非平稳时间序列模型课件.ppt

*考察的自相關圖（AC）和偏自相關圖（PAC）它們具有一定“拖尾”的特徵，因此使用ARMA模型分析。*結合最小AIC準則，最終確定的短期動態調整行為由ARIMA(2,1,2)所表述即：t=(0.54)(0.54)(2.82)(-2.08)(-7.05)輸出結果：(13.5.2)*§13.6謬誤回歸一個謬誤回歸的例子考慮兩個不相關的隨機遊走過程：這裏的隨機誤差項和都是獨立同正態分佈的隨機變數，且和互不相關。將由(13.6.1)和(13.6.2)所生成的和做回歸，即：(13.6.1)(13.6.2)(13.6.3)*由前面的假設，與不相關，對模型(13.6.3)回歸的應趨於0，且和不應該顯著不為0。但Granger(1974)的仿真實驗表明：(13.6.3)回歸所得到的很高，和的t統計值絕大多數是統計顯著的，且DW值很低。於是，這一回歸產生了虛的和DW值，以及虛的t統計值，類似這種回歸稱為虛回歸或謬誤回歸（spuriousregression）。一般而言，如果回歸方程中的被解釋變數或至少一個解釋變數是非平穩的，或者回歸的殘差是非平穩的，OLS回歸的結果就可能是謬誤回歸。*一個現實中謬誤回歸的例子假設以上海市的名義GDP作為被解釋變數，以江西省的人口數量(RK)作為解釋變數進行回歸。數據是1978～2006年的年度數據。從經濟理論看，江西省的人口數量對上海市的名義GDP應無顯著的影響，因此，回歸模型估計的斜率係數在統計上不應該顯著不為零。我們做了如下回歸：(13.6.5)*回歸係數統計檢驗顯著不為零檢驗結果表明GDP和RK都是單位根過程(結果略)，回歸結果如下：t=(-6.53)(7.37)輸出結果：DW=0.08*§13.7協整與誤差校正模型一、協整的概念1、理解經濟學中的均衡經濟學中的均衡是指對於由個變數組成的系統，若對於反映這些變數之間關係的函數，有成立，則稱這個系統處於均衡狀態。現在的問題是：長期來看，由於受到外在衝擊，致使經濟系統偏離均衡轉向非均衡，那麼，這種非均衡是繼續維持下去，還是經過一段時間調整，再次回復到均衡狀態？*2、協整的概念及含義（1）貨幣需求函數的例子經濟理論認為，個人持有的名義貨幣數量，取決於實際收入、物價水準與利息率，因此，用計量經濟模型所表述的貨幣需求方程可寫為：其中，為貨幣需求，為物價水準，為實際收入，為利息率。在貨幣市場均衡的假定下，貨幣需求等於貨幣供給，因此，貨幣需求理論的一個關鍵的假定就是序列是平穩過程。將模型(13.7.1)重新表述為：(13.7.1)(13.7.2)*（2）協整的定義Engel和Granger(1987)提出了如下的協整定義：對於隨機向量，如果：①是單位根向量，即中每一個分量都是單位根過程；②存在一個階列向量()，使也就是說，存在一組不全為零的常數，使得線性組合是平穩的；則稱非平穩變數存在協整關係，向量稱為協整向量。注意：這裏是針對變數，簡化了Engel,Granger(1987)的定義。*在貨幣需求模型中，如果貨幣供給、物價水準、實際收入和利率都是，並且線性組合是平穩的，則變數間存在協整關係。在這個例子中，向量為，協整向量為。因此有，所以貨幣需求函數中的貨幣供給、物價水準、實際收入和利率是協整的，其中稱為協整誤差。基於上述對協整的定義，實踐中檢驗協整是否存在的方法就是：首先檢驗模型中的變數是否是，然後再檢驗殘差是否是。**非平穩時間序列模型13.1認識非平穩的數據特徵13.2非平穩時間序列與單位根過程13.3.趨勢平穩和差分平穩過程13.4單位根檢驗13.5ARIMA模型13.6謬誤回歸13.7協整與誤差校正模型13.8我國商業銀行利率的協整分