9时间序列经济学模型.pptxVIP

第九章时间序列计量经济学模型;§9.1 时间序列的平稳性及其检验;一、问题的引出：非平稳变量与经典回归模型;⒈常见的数据类型;⒉经典回归模型与数据的平稳性;依概率收敛：;▲如果X是非平稳数据（如表现出向上的趋势），则（2）不成立，回归估计量不满足“一致性”，基于大样本的统计推断也就遇到麻烦。; 表现在:两个本来没有任何因果关系的变量，却有很高的相关性（有较高的R2)。例如：如果有两列时间序列数据表现出一致的变化趋势（非平稳的），即使它们没有任何有意义的关系，但进行回归也可表现出较高的可决系数。 ; 在现实经济生活中，实际的时间序列数据往往是非平稳的，而且主要的经济变量如消费、收入、价格往往表现为一致的上升或下降。这样，仍然通过经典的因果关系模型进行分析，一般不会得到有意义的结果。 ; 时间序列分析模型方法就是在这样的情况下，以通过揭示时间序列自身的变化规律为主线而发展起来的全新的计量经济学方法论。 时间序列分析已组成现代计量经济学的重要内容，并广泛应用于经济分析与预测当中。;二、时间序列数据的平稳性;定义：;3）协方差Cov(Xt,Xt+k)=?k 是只与时期间隔k有关，与时间t 无关的常数； 则称该随机时间序列是平稳的（stationary)，而该随机过程是一平稳随机过程（stationary stochastic process）。 ; 例9.1.1．一个最简单的随机时间序列是一具有零均值同方差的独立分布序列： Xt=?t ， ?t~N(0,?2); 例9.1.2．另一个简单的随机时间列序被称为随机游走（random walk），该序列由如下随机过程生成： X t=Xt-1+?t 这里， ?t是一个白噪声。; X1=X0+?1 X2=X1+?2=X0+?1+?2 … … Xt=X0+?1+?2+…+?t 由于X0为常数，?t是一个白噪声，因此: Var(Xt)=t?2 即Xt的方差与时间t有关而非常数，它是一非平稳序列。;然而，对X取一阶差分（first difference）: ?Xt=Xt-Xt-1=?t 由于?t是一个白噪声，则序列{? Xt}是平稳的。;事实上，随机游走过程是下面我们称之为1阶自回归AR(1)过程的特例: Xt=?Xt-1+?t 不难验证: 1)|?|1时，该随机过程生成的时间序列是发散的，表现为持续上升(?1)或持续下降(?-1)，因此是非平稳的； 2)?=1时，是一个随机游走过程，也是非平稳的。;§9.2中将证明:只有当-1?1时，该随机过程才是平稳的。;三???平稳性检验的图示判断;给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程。 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 ;;进一步的判断:检验样本自相关函数及其图形;一个时间序列的样本自相关函数定义为：;;注意:; 也可检验对所有k0，自相关系数都为0的联合假设，这可通过如下QLB统计量进行： ; 该统计量近似地服从自由度为m的?2分布（m为滞后长度）。 因此:如果计算的Q值大于显著性水平为?的临界值，则有1-?的把握拒绝所有?k(k0)同时为0的假设。 例9.1.3: 表9.1.1序列Random1是通过一随机过程（随机函数）生成的有19个样本的随机时间序列。 ;;容易验证：该样本序列的均值为0，方差为0.0789。;; 由于该序列由一随机过程生成，可以认为不存在序列相关性，因此该序列为一白噪声。;可以看出:k0时，rk的值确实落在了该区间内，因此可以接受? k(k0)为0的假设。 同样地，从QLB统计量的计算值看，滞后17期的计算值为26.38，未超过5%显著性水平的临界值27.58，因此,可以接受所有的自相关系数?k(k0)都为0的假设。 因此，该随机过程是一个平稳过程。 ; 序列Random2是由一随机游走过程 Xt=Xt-1+?t 生成的一随机游走时间序列样本。其中，第0项取值为0， ?t是由Random1表示的白噪声。;; 图形表示出：该序列具有相同的均值，但从样本自相关图看，虽然自相关系数迅速下降到0，但随着时间的推移，则在0附近波动且呈发散趋势。 样本自相关系数显示：r1=0.48，落在了区间[-0.4497, 0.4497]之外，因此在5