第四讲时间序列分析初步(计量经济学社科院,张涛).pptxVIP

第四讲 时间序列分析初步时间序列分析概述随机时间序列分析模型时间序列概述 广义时间序列分析模型分类：确定性时间序列分析模型:滑动平均模型 加权滑动平均模型 二次滑动平均模型指数平滑模型 随机模型 AR、MA、ARMA、ARIMA确定性时间序列分析模型 滑动平均模型 ：加权滑动平均模型 ：指数平滑模型 ：二次滑动平均模型 ：时间序列分析模型 伯克斯—詹金斯（Box-Jenkins）1970年提出了时间序列分析方法。 随机时间序列分析模型是一种有效地短期预测方法，这种方法对经济理论知识的要求不高，只需要变量的历史数据，因而模型的制定和数据的收集很简单。这种单变量的随机时间序列所构成的模型又称为随机过程模型，通常我们所说的时间序列模型也指的是这类模型。 要求模型中所有数据都由某个随机过程产生。利用时序模型进行预测的一个基本前提是：时间序列必须具有平稳性 时间序列随机过程平稳时间序列与非平稳时间序列 随机过程 假设样本观测值来自无穷随机变量序列那么这个无穷随机序列称为随机过程（离散随机过程）。 平稳随机过程数学描述：仅与间隔期有关，而与时间点t无关 几何描述：一个平稳的随机过程看作是一条围绕其均值上下波动的曲线。 税收收入的增长率是一个平稳的随机过程吗？ 白噪声过程数学描述：白噪声是一平稳的随机过程。经典线性回归对残差的要求是一个白噪声过程。 单整 对于随机时间序列，如果必须经过p次差分之后才能变换成为一个平稳的过程，而当进行p-1次差分后仍是一个非平稳过程，则称此时间序列具有p阶单整性，记为，非平稳随机过程：时间序列的单整性利率的变动经常表现出一个平稳的随机过程。对于绝大多数由经济数据构成的时间序列往往表现出非平稳性。比如GDP，消费，收入等等。但是，这些非平稳的时间序列经过差分变化以后，可以转变为平稳的时间序列。平稳随机过程的初检验:相关图检验总体相关函数:平稳时间序列的总体相关函数:平稳时间序列的样本相关函数:CONSUME(n)二次差分CONSUME . |******* |***** |**** |*** .|**. .|* . .| . | . *| . **| . **| .***| . |*** .*| . **| . *| . *| . . |* . . |* . . |* . . | . . *| . . | . . | . 相关图检验样本相关图:结论：一般而言，对于平稳时间序列来说，相关图会很快变平，而对非平稳时间序列来说，它则消失得很慢。 EVIEWS输出结果二次差分CONSUMECONSUME AC PAC Q-Stat Prob 1 0.391 0.391 3.3954 0.065 2 -0.109 -0.310 3.6750 0.159 3 -0.462 -0.373 9.0079 0.029 4 -0.400 -0.127 13.267 0.010 5 -0.247 -0.238 15.009 0.010 6 0.081 0.001 15.211 0.019 7 0.149 -0.191 15.949 0.026 8 0.149 -0.100 16.755 0.033 9 -0.017 -0.189 16.767 0.052 10 -0.065 -0.128 16.957 0.075 11 -0.006 0.010 16.959 0.109 AC PAC Q-Stat Prob 0.860 0.860 17.877 0.000 0.717 -0.091 30.935 0.000 0.564 -0.118 39.477 0.000 0.404 -0.129 44.105 0.000 0.243 -0.116 45.880 0.000 0.101 -0.048 46.211 0.000 -0.015 -0.026 46.218 0.000 -0.103 -0.012 46.610 0.000 -0.171 -0.040 47.785 0.000 -0.227 -0.071 50.052 0.000 -0.277 -0.090 53.762 0.000 -0.323 -0.096 59.369 0.000 平稳的单位根检验(DF检验和ADF检验)EVIEWS输出结果ADF Test Statistic -2.728459 1% Critical Value* -3.8877 5% Critical Value -3.0521 10% Critical Value -2.6672 *MacKinnon critical values for rejection of hypothesis of a unit