时间序列数据的基本回归分析.pptVIP

时间序列数据的基本回归分析 第一页，共三十九页，2022年，8月28日 10.1 时间序列数据的性质 我们应该怎样认识时间序列数据的随机性？ 回答：很明显，经济时间序列满足作为随机变量结果所要求的直观条件，这些变量的结果都无法事先预料到。（例如，我们今天不知道道琼斯工业指数在下一个交易日收盘时会是多少，我们也不知道加拿大下一年的年产出增长会是多少。） 规范地，一个标有时间脚标的随机变量序列被称为一个随机过程（stochastic process）或时间序列过程（time series process）。 第二页，共三十九页，2022年，8月28日 10.2 时间序列回归模型的例子 1、静态模型 我们将有两个变量（例如y和z）的时间序列数据标注相同的时期，将这样的y和z联系起来即为一个静态模型（static model）： “静态模型”的名称来源于我们正在模型化y和z的同期关系的事实。 在一个静态回归模型中也可以有几个解释变量。 2、有限分布滞后模型 在有限分布滞后模型（finite distributed lag model，FDL）中，我们容许一个或多个变量对y的影响有一定时滞。 第三页，共三十九页，2022年，8月28日 考察一个二阶FDL： （1）当z发生一个暂时性的提高时， 则表示z在t时期提高一个单位所引起y的即期变化。 通常被称作冲击倾向（im