《应用时间序列分析——基于Python》（王春宁主编）教材课件第5章.pptx

第5章

多元时间序列分析;本章内容;5.1向量平稳时间序列

;?;?;?;?;?;?;?;?;?;例5.1;?;?;?;?;脉冲响应函数与方差分解

1.脉冲响应函数（IRF）

脉冲响应函数是检验系统内部变量间动态关系的有力工具之一，是VAR方法的重要特征之一。相对于度量某一变量的变化对其余变量的影响，VAR模型更关注外来冲击对系统的动态影响，而系统对冲击的动态反应正是由脉冲响应函数来描述。;?;?;?;?;2.方差分解（variancedecomposition）

方差分解也是定量刻画系统内部变量间动态影响力的一个有效方式，通过分析不同结构冲击对变量变化的贡献度，评价各结构冲击的重要性，方差分解能给出影响VAR模型中变量的各随机冲击的相对重要性信息。

;?;Granger因果检验

格兰杰因果检验是VAR模型的另一个有效应用。在VAR模型中，我们假定各变量间存在前导与反馈机制，变量间的作用是相互的。而现实中，许多变量间是单向制约关系主导，辨别变量间时间前后上的影响方式，是现实中需要解决的一个问题。换句话说，当两个变量在时间上存在前导与反馈关系时，如何考察这种关系是单向还是双向的？主要是一个变量的过去行为在影响另一变量的当前行为，还是双方的过去行为在相互影响着对方的当前行为？Granger于1969年给出了序列因果关系的定义，用来刻画上述变量在时间前后上的交互关系。;?;?;?;?;?;?;?;5.4协整与误差修正模型;?;2.伪回归处理

一种方法是避免回归方程中出现非平稳项。传统的做法是对非平稳变量进行差分，使得差分序列变成平稳序列，然后对差分变量进行回归。这种做法可以消除变量非平稳性可能带来的伪回归问题，但却会损失变量间长期关系的信息。

另一种方法是直接对非平稳变量进行回归，但需要采用新的方法探测变量间是否真的存在相依关系，以建立起能反映水平变量间真实关系的回归方程。这种新的方法就是协整分析。

;?;?;?;?;协整的意义

协整概念的提出对于用非平稳变量建立动态回归模型，以及检验这些变量之间的长期均衡关系非常重要。

（1）如果多个非平稳变量具有协整性，则这些变量可以合成一个平稳序列。

（2）当且仅当多??非平稳变量之间具有协整性时，由这些变量建立的回归模型才有

意义。

（3）具有协整关系的非平稳变量可以用来建立误差修正模型。;协整检验与协整方程

检验协整的方法从检验的对象上可分为两种。

一种是基于回归残差的协整检验，这种检验也称为单一方程的协整检验；

另一种是基于回归系数的协整检验。

;?;?;误差修正模型

误差修正模型(errorcorrectionmodel)简称ECM模型，最初由Hendry和Anderson于1977年提出，它常常作为协整模型的补充模型出现。协整模型度量序列之间的长期均衡关系，而ECM模型则解释序列的短期波动关系。

;?;?;误差修正模型的特点

（1）如果模型中的变量是平稳的，则ECM模型中包含的所有差分变量和非均衡误差项都具有平稳性，从而可以使用OLS方法得到ECM模型参数的一致估计。

（2）与传统建模方法的不同之处在于，ECM模型不再单纯地用水平变量或单纯地用差分变量进行建模，而是将两者有机地结合起来，充分利用两者所提供的信息。

（3）ECM模型的参数可分为长期参数和短期参数两类。长期参数反映变量间的长期均衡关系，短期参数刻画了变量间的短期变化关系。

;?;?;

第5章结束