《应用时间序列分析》教学大纲.docxVIP

《应用时间序列分析》教学大纲

统计学院应用统计教研室

2000年6月8日制订

2005年10月20日修订

目录

第一部分教学目的和要求 3

第二部分教学中应注意的问题 3

第三部分教学内容 4

第一章绪论 4

第一节引言 4

第二节时间序列的建立 4

第三节确定性时序方法概述 4

第四节随机性时序分析的几个基本概念 4

第二章线性平稳时间序列模型 4

第一节自回归模型 5

第二节滑动平均模型 5

第三节自回归移动平均模型 5

第四节ARMA模型的特性 5

第三章平稳时间序列模型的建立 6

第一节模型识别 6

第二节模型定阶 6

第三节参数估计 6

第四节模型的诊断检验 6

第五节案例分析 6

第四章预测 6

第一节最小均方误预测 6

第二节条件期望预测 6

第三节适时修正预测 6

1

第五章非平稳时间序列分析 7

第一节非平稳性的检验 7

第二节平稳化方法 8

第三节齐次非平稳序列模型 8

第四节非平稳时间序列的组合模型 8

第六章季节性时间序列分析方法 8

第一节简单随机时序模型 8

第二节乘积季节模型 8

第三节季节时间序列模型的建立 8

第四节X—11方法简介 8

第七章两个前沿问题 9

第一节自回归条件异方差模型（ARCH） 9

第二节协整理论及误差修正模型（ECM） 9

第八章Eviews软件介绍 10

第四部分课时分配表 10

第五部分参考书目 11

2

一、教学目的和要求

时间序列分析是一种根据动态数据特征揭示系统动态结构和规律的统计方法，是统计学的一个分支。随着概率统计方法应用越来越普遍和计算机科学的发展（特别是一些高级实用软件如：TSP、SAS、SPSS等的出现），时间序列分析逐步从理论走向实践，通过建立时间序列模型对数据进行定量分析已是轻而易举之事。

我们知道社会经济现象是复杂多变的，它往往受许多因素的影响，且这些因素之间又保持着错综复杂的联系，因而运用结构式的因果模型对其进行分析和预测是比较困难的。如果我们根据其自身的变动规律建立起动态模型（即时间序列模型），则是一种行之有效的方法。因为，时间序列分析是基于这样一种认识，任何运动（系统）都有一定的惯性，这种惯性表现为系统的动态性即记忆性。时间序列是系统历史行为的客观记录，它包含了系统动特征的全部信息。这些信息具体地表现为时间序列中观察值之间的统计相关性。因而，人们可以通过研究时间序列中数值上的统计相关关系，来提示相应系统动态结构特征及其发展变化规律。总言之，时间序列分析就是用历史的观点，通过量的手段提示所研究对象的动态结构和动态规律。

教授本课程的目的就是要使学生学会如何建立时间序列模型，如何利用已建立的模型去解释一些经济现象，对未来的经济走势作出预测。使学生从单纯的定性分析转向定性与定量分析相结合的方向上来。注重思想和方法的传授，而不去追求定理和结论的证明；注重方法的应用，而不过多考察方法的推导。此外，通过对两个前沿问题的介绍，可以使学生简单了解时间序列发展的动态，开阔学生的思路。

二、教学中应注意的问题

本课程虽注重在应用方面的教学，但对学生而言，一些必备的知识是必不可少的。如：概率与数理统计、数学、经济学、计算机软件（TSP、SAS、SPSS）等。因为我们所讲授的时间序列分析，其研究的对象是经济时间序列，故在建立模型时，必须以一定的经济理论为指导，模型求解以后，说明了什么样的经济问题，这都要求建模者有一定的经济学知识；模型建立以后，我们必须对模型进行估计、检验和预测，这就要求建模者必须懂得概率与数理统计有关方面的知识；在讨论模型的稳定性和可逆性时，离不开讨论差分方程的性质（因为任何一个ARMA模型都是一个线性差分方程），故建模者还必须掌握一定的数学（特别是差分方程方面）的知识；此外，对大量数据进行手工处理是不

3

现实的，必须借助于计算机手段去完成，这就要求建模者必须掌握有关的统计分析软件（TSP、S