时间序列初步模型.pptxVIP

第六讲 时间序列模型初步时间序列模型的例子有限样本条件下的普通最小二乘估计大样本条件下的普通最小二乘估计时间序列的平稳性检验时间序列模型的例子计量经济学中的数据类型时间序列数据（time series data）横截面数据（cross-sectional data）混合数据（pooled data）平面板数据/综列数据（panel data）一个时间序列数据可以视为它所对应的随机变量或随机过程（stochastic process）的一个实现（realization）时间序列模型的例子时间序列数据时间序列模型的例子时间序列数据时间序列模型的例子时间序列数据时间序列模型的例子两类时间序列模型静态模型（Static model）有限分布滞后模型（finite distributed lag model）有限样本条件下的普通最小二乘估计经典线性正态假定有限样本条件下的普通最小二乘估计经典线性正态假定：进一步的说明与横截面模型的假定相比，时间序列模型放宽了关于解释变量不是随机变量的假定同期外生与严格外生严格外生意味着误差项与任何时刻的解释变量都不相关，也就是说，解释变量对被解释变量没有滞后影响，而且被解释变量也对解释变量没有滞后影响有限样本条件下的普通最小二乘估计经典线性正态假定下的普通最小二乘估计如果满足假定1-3，回归系数的OLS估计量是无偏的如果满足假定1-5，回归系数OLS估计量的方差估计是无偏的，而且OLS估计量是最优线性无偏估计量如果满足假定1-6，模型的t检验和F检验是有效的在大多数情况下，时间序列很难满足经典线性正态模型假定，特别是误差项条件均值为0、无序列相关以及正态性的假定。因此，就需要用大样本来做渐进处理大样本条件下的普通最小二乘估计平稳过程平稳随机过程（stationary stochastic process）平稳性用于描述时间序列的跨时期稳定性，即序列的行为不随时间发生变化上述定义也被称为严格平稳大样本条件下的普通最小二乘估计平稳过程协方差平稳过程（covariance stationary process）协方差平稳的要求低于严格平稳，但一般情况下只要满足前者就称该时间序列是平稳的大样本条件下的普通最小二乘估计弱相依（weakly dependent）弱相依表明随着时间距离h的拉大，随机变量Xt和Xt+h 的相关性趋近于0。而平稳性表明这种渐近不相关性与起点t无关如果时间序列是平稳的、弱相依的，就可以运用大数定理和中心极限定理来证明OLS的合理性大样本条件下的普通最小二乘估计自回归过程（autoregressive process, AR）大样本条件下的普通最小二乘估计移动平均过程（moving average process, MA）大样本条件下的普通最小二乘估计自回归移动平均过程（ARMA）大样本条件下的普通最小二乘估计大样本条件下的假定这些假定比有限样本下的假定弱得多大样本条件下的普通最小二乘估计大样本条件下的普通最小二乘估计如果满足假定1-3，回归系数的OLS估计量是一致的如果满足假定1-5，回归系数OLS估计量是渐近正态分布的，模型的t检验和F检验是渐近有效的时间序列的平稳性检验有趋势的时间序列tt线性趋势指数趋势时间序列的平稳性检验伪回归（spurious regression）如果时间序列是有趋势的，那么一定是非平稳的，从而采用OLS估计的t检验和F检验就是无效的。两个具有相同趋势的时间序列即便毫无关系，在回归时也可能得到很高的显著性和复判定系数出现伪回归时，一种处理办法是加入趋势变量，另一种办法是把非平稳的序列平稳化下面的问题是：如何知道一个时间序列是否平稳？时间序列的平稳性检验平稳性检验方法根据序列的时间路径图和样本相关图判断单位根检验时间序列的平稳性检验单位根检验（unit root test）时间序列的平稳性检验单位根检验（unit root test）时间序列的平稳性检验单位根检验（unit root test）9、 人的价值，在招收诱惑的一瞬间被决定。10、低头要有勇气，抬头要有低气。11、人总是珍惜为得到。12、人乱于心，不宽余请。13、生气是拿别人做错的事来惩罚自己。14、抱最大的希望，作最大的努力。15、一个人炫耀什么，说明他内心缺少什么。。16、业余生活要有意义，不要越轨。17、一个人即使已登上顶峰，也仍要自强不息。谢谢收看