数据的平稳性及其检验.ppt

关于数据的平稳性及其检验平稳性检验的图示判断给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程；而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。第2页,共25页，2024年2月25日，星期天进一步的判断:检验样本自相关函数及其图形随着滞后阶数的增加，样本自相关函数下降且趋于零。但从下降速度来看，平稳序列要比非平稳序列快得多。第3页,共25页，2024年2月25日，星期天例1从图形看：它在其样本均值0附近上下波动，且样本自相关系数迅速下降到0，随后在0附近波动且逐渐收敛于0。因此，初步判断，该随机过程是一个平稳过程。第4页,共25页，2024年2月25日，星期天例2：该序列具有相同的均值，但从样本自相关图看，虽然自相关系数迅速下降到0，但随着时间的推移，则在0附近波动且呈发散趋势。因此，初步判断，该随机过程是一个是非平稳过程。第5页,共25页，2024年2月25日，星期天平稳性的单位根检验第6页,共25页，2024年2月25日，星期天对时间序列的平稳性除了通过图形直观判断外，运用统计量进行统计检验则是更为准确与重要的。单位根检验（unitroottest）是统计检验中普遍应用的一种检验方法。1、DF检验我们已知道，随机游走序列Xt=Xt-1+?t是非平稳的，其中?t是白噪声。而该序列可看成是随机模型Xt=?Xt-1+?t中参数?=1时的情形。第7页,共25页，2024年2月25日，星期天也就是说，我们对式

Xt=?Xt-1+?t（*）

做回归，如果确实发现?=1，就说随机变量Xt有一个单位根。（*）式可变形式成差分形式：?Xt=(1-?)Xt-1+?t=?Xt-1+?t(**)检验（*）式是否存在单位根?=1，也可通过（**）式判断是否有?=0。第8页,共25页，2024年2月25日，星期天一般地:检验一个时间序列Xt的平稳性，可通过检验带有截距项的一阶自回归模型Xt=?+?Xt-1+?t（*）中的参数?是否小于1。或者：检验其等价变形式?Xt=?+?Xt-1+?t（**）中的参数?是否小于0。第9页,共25页，2024年2月25日，星期天因此，针对式?Xt=?+?Xt-1+?t我们关心的检验为：零假设H0：?=0。备择假设H1：?0上述检验可通过OLS法下的t检验完成。然而，在零假设（序列非平稳）下，即使在大样本下t统计量也是有偏误的（向下偏倚），通常的t检验无法使用。Dicky和Fuller于1976年提出了这一情形下t统计量服从的分布（这时的t统计量称为?统计量），即DF分布（见表9.1.3）。由于t统计量的向下偏倚性，它呈现围绕小于零值的偏态分布。第10页,共25页，2024年2月25日，星期天因此，可通过OLS法估计?Xt=?+?Xt-1+?t并计算t统计量的值，与DF分布表中给定显著性水平下的临界值比较：如果：t临界值，则拒绝零假设H0：?=0，认为时间序列不存在单位根，是平稳的。第11页,共25页，2024年2月25日，星期天注意：在不同的教科书上有不同的描述，但是结果是相同的。例如：“如果计算得到的t统计量的绝对值大于临界值的绝对值，则拒绝ρ=0”的假设，原序列不存在单位根，为平稳序列。第12页,共25页，2024年2月25日，星期天进一步的问题：在上述使用?Xt=?+?Xt-1+?t对时间序列进行平稳性检验中，实际上假定了时间序列是由具有白噪声随机误差项的一阶自回归过程AR(1)生成的。但在实际检验中，时间序列可能由更高阶的自回归过程生成的，或者随机误差项并非是白噪声，这样用OLS法进行估计均会表现出随机误差项出现自相关（autocorrelation），导致DF检验无效。另外，如果时间序列