第18章 时间序列高级专题.pptxVIP

国内外经典教材名师讲堂伍德里奇《计量经济学导论》（第5版）第18章 时间序列高级专题主讲教师：张冠甲　本章要点　　无限分布滞后模型　　几何分布滞后模型与有理分布滞后模型　　单位根的检验思路　　伪回归问题与协整　　时间序列中的预测　预测的原理　预测模型的比较　　在双变量时间序列模型中，将y与z的当期和所有过去值相联系的一个无限分布滞后模型：　　对应现实，提炼常用的经济含义：很早时期的z对y的解释能力不如最近时期的z 。因此要求随着j趋于无穷大，滞后系数必须趋于0 。　　思考：这是否意味着δ2在数量上比δ1小？首先需要确定： δj的含义是什么？ 　对照有限分布模型，可知δh的解释：　假设：s＜0时，zs=0；s＞1时，z0=1，zs=0。也就是说，z在t=0时期暂时性地增加一个单位，然后又回到它的初始值0。　　由此知：对所有h≥0，我们有：　　含义为：给定z在0时期的一个单位暂时变化，δh就是E（yh）的改变值。 　结合极限性质，我们有：　随着h→∞，E（yh）=α+δh→α　思考：该模型中，如何度量长期倾向？　同样的思路，假设只在t=h时期，解释变量永久性地增加1单位。　进一步的理解：以货币供给变化为x，通货膨胀率为y，可认为s小于0时，x所有值都是0；从0时期开始，沿着LRP的方向变化。　思考题18.1　假设s＜0时，zs=0；s＞1时，zs=0，z0=1，z1=1。请求出E（yt-1）、E（y0）和h≥1时的E（yh）。当h趋于无穷大时，情况又会如何？　分析：　回顾第10章的两个假定：　　严格外生性假定　　弱化的假定　思考：前述通胀率与货币供给变化率的例子，哪一个假定可能更符合？　几何分布滞后（GDL）　该模型中，δj仅取决于两个参数　GDL的即期倾向： 　长期倾向：　练习：思考长期倾向如何推导而来？　下面要解决的问题：如何估这两个参数？ 写出相邻两期的表达式。　当期：　以及前一期：　合并整理成含有滞后因变量的标准方程：　　然后进行参数估计。　但是，这种估计结果是有偏的。为什么？　　因为误差项会与前一期y相关。如何解决？　两个解释变量：当期z与前一期y　通过严格外生性假定保证z与误差项v无关，从而内生性问题变为y的与v相关的问题。　解决方案：　1．通过寻找IV解决；　2．假定u服从某种序列相关，比如AR（1）过程。　此时可有:　由此估计出γ和ρ，并且进一步估计出：　这种方法的缺点：假定u服从一个参数ρ的AR（1）过程实在过强，因此需要先检验这个假定。　　有理分布滞后模型（RDL）　RDL是对GDL的一般化：　在GDL中加入滞后一项：　反复迭代可知，它等价于无限分布滞后模型　　单位根的检验思路　检验单位根的一种最简单方法是从AR（1）模型开始：　并且给定假设，认为{et}表示一个在给定y的过去值时均值为0的过程：　　原假设{yt}有一个单位根：　单侧备择假设是：　思考：为什么只考虑单侧备择假设就可以？　检验方法：两边同时减去y滞后一期，并且假设：　θ=ρ-1　如此，转换为一个动态完备过程：　此时检验原假设H0：θ=0 即可。　　伪回归问题　回顾横截面数据中伪回归的特征。　在时间序列中，造成伪回归的“元凶”往往是时间趋势项。　突出表现为：　即使两个序列的均值没有趋势，但做两个独立的I（1）序列的回归时，也常常会得到一个显著的t统计量。如何解决？　协整　协整的定义：如果y和x是两个I（1）过程，那么，一般而言，对于任何β，yt-βxt都是一个I（1）过程。但是，对某些β≠0值来说，yt-βxt有可能是一个I（0）过程。若存在这样的β，我们就说y和x是协整的，并称β为协整参数。　协整的用途：应对伪回归问题　如果yt和xt是协整的，最终会发现，从回归　　得到的OLS估计量　是β的一致估计量。问题在于，原假设声称这两个序列不是协整的，这就意味着，在先前的假设条件下，我们做了一个伪回归。　　　　　预测　注意：时间序列应用中的预测，是预测一个时间序列过程的将来值，而不一定是要估计因果性或结构性经济模型。　一个先行问题：如何判断预测方法的优劣？　　预测误差：令ft代表在t时期对yt+1所做的预测。预测误差是et+1=yt+1-ft，一旦观测到yt+1的结果，它的值便知道了。损失的最常见度量是误差平方。　很自然的想法是，当It给定时，我们就选择使预测误差平方的期望最小的预测值：　一些常见的预测方法：　指数平滑法：　指数平滑法的来源模型：　具体的预测应用：　假定只有一个解释变量：　预测问题转化为：　问题是，如何在t时期就知道t+1时期的解释变量z呢？　　改进方案：　　或者另一个改进方案：将y和z的滞后值写入模型　实际问题：我们如何决定要包含y和z的哪些滞后呢？　我们从估计y的一个自回归模型开始，并运用t和F检验来决定应该有多少个y的滞后出现在模