第十章_时间序列计量经济模型.ppt

第十章 时间序列计量经济模型;到目前为止，经典计量经济模型常用到的数据有： 时间序列数据（time-series data)； 截面数据(cross-sectional data) 平行/面板数据（panel data/time-series cross-section data) ★时间序列数据是最常见，也是最常用到的数据。; 传统计量经济学模型的假定条件：时间序列数据是平稳的。 所谓“伪回归”，是指变量间本来不存在相依关系，但回归结果却得出存在相依关系的错误结论。 20世纪70年代，Grange、Newbold研究发现，造成“伪回归”的根本原因在于时序序列变量的非平稳性。;二、随机过程的概念;随机过程（stochastic process）的定义 ; 在实际中，有相当多的随机过程，不仅它现在的状态，而且它过去的状态，都对未来状态的发生有很强的影响。其中有这样一类随机过程，即所谓平稳随机过程，它的特点是：其统计特性不随时间的推移而变化。严格地说，如果对任意正整数n，任意t1, t2, …, tn∈T和任意实数h，n维随机变量; 当T是离散型时间指标集时，也称时间序列具有平稳性（stationary) ;考察一下平稳过程的数字特征; （3）由平稳性定义，二维随机变量 (Yt , Ys)与(Yt+h , Ys+h)同分布，从而 Cov(Yt , Ys)= Cov(Yt+h , Ys+h) 令h=-s，有 Cov(Yt , Ys)= Cov(Yt-s , Y0) 记 r(t, s)= Cov(Yt , Ys) 于是 r(t, s)= r(t-s, 0)=rt-s ; 当随机过程{Yt } 的均值、方差和协方差不随时间的推移而变化时，即满足：; 在以后的讨论中，平稳性通常是指弱平稳，而 前面用分布函数定义的平稳称为严格平稳，显然， 严格平稳一定是弱平稳的，但反之一般是不成立的， 但正态过程是一个例外。 与平稳过程相反的是非平稳过程，一般随机过 程处于过渡阶段总是非平稳的。例如，飞机控制在 高度为 h 的水平向上飞行，由于受到大气湍流的影 响，实际飞行高度H(t)应在 h 水平面上下随机波动， H(t) 看作是平稳过程，但在升降阶段由于飞行的主 要条件随时间发生变化，因而H(t) 的主要特征也随 时间而变化，这时H(t) 是非平稳的。; 所谓时间序列的非平稳性，是指时间序列的统 计规律随着时间的位移而发生变化，即时间序列的 数字特征随时间而变化。只要弱平稳的三个条件不 完全满足，则该时间序列是非平稳的，如果采用了 非平稳序列数据进行回归，可能导致所谓的“伪回 归”.; 例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： Yt = et ， et ~ N(0,?2); 例2．几种常用的非平稳时间序列模型。 （1）随机游走序列（random walk），该序列 由如下随机过程生成： Yt = Yt-1 + et 这里， et 是一个白噪声。; 为了检验该序列是否具有相同的方差，设Yt 的初值为Y0，则易知 Y1 = Y0 + e1 Y2 = Y1 + e2 = Y0 + e1 + e2 … … Yt = Y0 + e1 + e2 + … + et 由于Y0为常数，et 是一个白噪声，因此 Var(Yt) = t?2 即Yt的方差与时间t有关，它是一非平稳序列。;（2）带漂移项的随机游走序列（random walk with drift） ;通过直接迭代 ;（3）带漂移和时间趋势的随机游走序列; 第二节 时间序列平稳性的单位根检验; 我们把 rt-s= Cov(Yt , Ys) 称为时间序列 {Yt} 的自相关函数。 自相关函数法就是看自相关函数是否为不随 时间变化的常数，若是则为平稳的。否则是非平 稳的。;在Yt = m + g Yt-1 + et 中，若m = 0，则有 Y