时间序列的平稳性及其检验.pptVIP

第四章时间序列模型平稳性检验;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; 第（2）条是为了满足统计推断中大样本下的“一致性”特性：; 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： 情况往往是实际的时间序列数据是非平稳的，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。;二、时间序列数据的平稳性; 时间序列分析中首先遇到的问题是关于时间序列数据的平稳性问题。; 例4.1．一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) ; 为了检验该序列是否具有相同的方差，可假设Xt的初值为X0，则易知 X1=X0+?1 X2=X1+?2=X0+?1+?2 … … Xt=X0+?1+?2+…+?t