时间序列计量经济模型.pptx

时间序列计量经济模型会计学第1页/共70页第一节 时间序列基本概念一、伪回归问题⒈常见的数据类型到目前为止，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。第2页/共70页2、伪回归问题 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。第3页/共70页二、随机过程的概念 有些随机现象，要认识它必须研究其发展变化过程，这类随机现象已不能用一维或多维随机变量来表达。 例1 在测量飞机的距离时存在随机误差，若以e(t) 表示时刻t的测量误差，则它是一个随机变量，飞机随时间t运动，测量误差也随时间t而变化，即e(t) 是依赖于时间t的一族随机变量。则{e(t)}是一随机过程 例2 某国某年的GDP总量，是一随机变量，但若考查它随时间变化的情形，则{GDPt}是一随机过程。第4页/共70页随机过程（stochastic process）的定义 设T是无限实数集，若对于每一t∈T ，Yt 为一随机变量，则称随机变量族{Yt }为一个随机过程。 若T为一连续区间，则{Yt } 称为连续型随机过程。 若T为一离散集合，如 T={0, 1, 2, …}或 T={…, -2, -1, 0, 1, 2, …} 则{Yt } 称为离散型随机过程。 离散型时间指标集的随机过程通常称为随机型时间序列，简称时间序列。第5页/共70页三、时间序列的平稳性 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维随机变量与具有相同的分布函数，则称{Yt }为平稳随机过程。第6页/共70页 当T是离散型时间指标集时，也称时间序列具有平稳性（stationary) 直观上，一个平稳的时间序列可以看作一条围绕其均值上下波动的曲线。 在实际中，确定过程的分布函数，并用它来判定其平稳性，一般很难办到。第7页/共70页考察一下平稳过程的数字特征 （1）设平稳过程{Yt } 的均值函数E(Yt)存在,由平稳性定义，随机变量Yt与Yt+h同分布，于是 E(Yt)= E(Yt+h)令h=-t，则有E(Yt)= E(Y0)为常数，记为m； （2）同理，平稳过程{Yt } 的方差函数也为常数，记为s2；第8页/共70页 （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第9页/共70页 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：则称{Yt }为弱平稳过程。第10页/共70页 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。第11页/共70页 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”.第12页/共70页 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)该序列常被称为是一个白噪声（white noise）。 由于Xt具有相同的均值与方差，且协方差为零,由定义,一个白噪声序列是平稳的。第13页/共70页 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