应用多元统计分析教学课件10多元时间序列简介.ppt

*当时，；当时，。引入滞后算子，模型可表示为可以证明，此模型的平稳性取决于自回归参数，与移动平均参数无关。因此，此模型的平稳性可参照的平稳性条件。*五、单变量平稳序列建模方法*模型识别通常采用样本自相关系数和样本偏自相关系数这两个统计量去识别、，以及模型，即确定p与q。(1)模型的识别若我们估计得到的样本自相关系数在q步以后接近于0，则模型可以识别为。*五、单变量平稳序列建模方法*(2)模型的识别对于一个模型，间隔期为p的偏自相关系数不应该为0，而对于所有()都应该接近于0。这说明模型的偏自相关系数是p步截尾的。(3)模型的识别的自相关系数和偏自相关系数都不会在有限步截尾，可以将这种性质称为拖尾性。五、单变量平稳序列建模方法**平稳时间序列的主要特征如上表所示，这是进行模型识别的重要依据。模型自相关系数步截尾拖尾指数衰减或正弦衰减拖尾指数衰减或正弦衰减偏自相关系数拖尾指数衰减或正弦衰减步截尾拖尾指数衰减或正弦衰减五、单变量平稳序列建模方法*第二节单位根与协整本节基本内容一、虚假回归二、单位根检验三、协整与误差修正*一、虚假回归由于样本的随机性，纳伪错误始终会存在，我们使用显著性水平来控制纳伪错误地概率为。通常我们用统计量进行参数显著性检验，仍采用多元回归分析的符号，有：*当响应序列和输入序列都平稳时，该统计量服从的分布。当时，可以将纳伪错误发生的概率准确地控制在显著性水平以内，即当响应序列和输入序列不平稳时，检验统计量不再服从分布，如果仍然采用分布的临界值进行检验，拒绝原假设的概率将会大大增加，容易接受原本不成立的回归模型显著成立的错误结论，出现虚假回归。一、虚假回归**二、单位根检验由于虚假回归问题的存在，所以在动态回归模型拟合时，必须先检验各序列的平稳性。只有当各序列都平稳时，才可使用动态回归模型，拟合多元时间序列之间的动态回归关系。除已介绍过的图判定方法，现介绍应用最广的经典的单位根检验。*DF检验DF统计量：序列非平稳：：序列非平稳：检验统计量为：当时，当时，极限二、单位根检验*DF检验的等价表达DF检验可以通过对参数检验等价进行：相应的DF检验统计量为：其中，为参数的样本标准差，二、单位根检验*DF检验DF检验的三种类型：第一种类型：无常数均值、无趋势的1阶自回归过程：第二种类型：有常数均值、无趋势的1阶自回归过程：第三种类型：既有常数均值，又有线性趋势的1阶自回归过程：*二、单位根检验*ADF检验DF检验只适用于1阶自回归过程的平稳性检验，为了使DF检验能适用于过程的平稳性检验，人们对DF检验进行了一定的修正，得到增广DF检验(AugmentedDickey-Fuller)，简记为ADF检验。二、单位根检验*ADF检验原理对于模型我们可以通过检验自回归系数之和是否等于1来考察该序列的平稳性。单位根检验的假设条件可以如下确定：(序列非平稳)(序列平稳)构造ADF检验统计量：二、单位根检验*ADF检验的三种类型第一种类型：无常数均值、无趋势的p阶自回归过程：第二种类型：有常数均值、无趋势的p阶自回归过程：第三种类型：既有常数均值，又有线性趋势的p阶自回归过程：*二、单位根检验*检验序列平稳性的标准方法是单位根检验，DF检验、ADF检验是出现比较早的检验方法。其他常用的单位根检验方法还包括PP检验，KPSS检验，