时间序列的平稳性及其检验(共61张课件).pptxVIP

第九章

时间序列计量经济学模型的理论与方法;§9.1时间序列的平稳性及其检验;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开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．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，那么易知

X1=X0+?1

X2=X1+?2=X0+?1+?2

……

Xt=X0+?1+?2+…+?t

由于X0为常数，?t是一个白噪声，因此Var(Xt)=t?2

即Xt的方差与时间t有关而非常数，它是一非平稳序列。;然而，对X取一阶差分〔firstdifference〕:

?Xt=Xt-Xt-1=?t

由于?t是一个白噪声，那么序列{?Xt}是平稳的。;第二节中将证明:只有当-1?1时，该随机过程才是平稳的。;三、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；

而非平稳序列那么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〕。;进一步的判断:

检验样本自相关函数及其图形;一个时间序列的样本自相关函数定义为：;注意:;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。

前文已指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联关系，这时对这些数据进行回归，尽管有较高的R2，但其结果是没有任何实际意义的。

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。

另外，如果时间序列包含有明显的随时间变化的某种趋势〔如上升或下降〕，那么也容易导致上述检验中的自相关随机误差项问题。

这种趋势称为确定性趋势〔deterministictrend〕。

?Xt=?+?Xt-1+?t

因此，针对式?Xt=?+?Xt-1+?t

Xt=?t，?t~N(0,?2)

序列Random2是由一随机游走过程

模型1与另两模型的差异在于是否包含有常数项和趋势项。

分子是时间序列之后K期的协方差，分母是方差，因此自相关函数是关于滞后期k的递减函数(Why〕

6检验1978~2000年间中国支出法GDP时间序列的平稳性。

原图样本自相关图

1)只有少数经济指标的时间序列表现为平稳的，如利率等;

二、时间序列数据的平稳性;容易验证：该样本序列的均值为0，方差为0.0789。;由于该序列由一随机过程生成，可以认为不存在序列相关性，因此该序列为一白噪声。;序列Random2是由一随机游走过程

Xt=Xt-1+?t

生成的一随机游走时间序列样本。

其中，第0项取值为0，?t是由Random1表示的白噪声。;样本自相关系数显示：r1=0.48，落在了区间[-0.4497,0.4497]之外，因此在5%的显著性水平上拒绝?1的真值为0的假设。

该随机游走序列是非平稳的。;图形：表现出了一个持续上升的过程，可初步判断是非平稳的。

样本自相关系数：缓慢下降，再次说明它的非平稳性。;拒绝：该时间序列的自相关系数在滞后1期之后的值全部为0的假设。

结论:

1978~2000年间中国GDP时间序列是非平稳序列。;例检验§2.10中关于人均居民消费与人均国内生产总值这两时间序列的平稳性。;从图形上看：人均居民消费〔CPC〕与人均国内生产总值〔GDPPC〕是非平稳的。;四、平稳性的单位根检验;;也就是说，我们对式

Xt=?Xt-1