计量经济学--时间序列计量模型.pptVIP

第八章时间序列计量模型;;;;GDP的时间序列;;;;;;;;;;;;;;;;;;;;;;;;;模型〔3〕中t是时间变量。原假设都是

，即存在单位根。ADF检验的原理与DF检验相同，模型不同时，检验临界值亦不同。实际检验时，首先对模型〔3〕进行单位根检验，然后模型〔2〕、模型〔1〕。在此过程中，只要“不存在单位根”的结论出现，检验就结束。否那么就一直检验到模型〔1〕。;;;;;第二节单整、趋势平稳与差分平稳随机过程

一、单整

对于随机游走序列，其一阶差分为

〔8.23〕

由于是一个白噪声序列，因此差分后时间序列{}是平稳的。;;;【例8.2】检验例8.1中居民家庭人均实际消费支出Y与实际可支配收入X的单整性。使用ADF检验，结果如表8.3所示。

;;二、趋势平稳与差分平稳随机过程

经济系统中存在一些时间序列，虽然在经济意义上彼此不相关，但由于二者表现出共同的变化趋势，当对它们进行回归时往往表现出较高的拟合优度和统计显著性。但这种回归结果并没有实际意义，这是一种虚假的回归，称为伪回归。;;例如，{Xt}和{Yt}分别为相互独立的随机游走序列。，，

at,et为白噪声，且相互独立。这就意味着{Xt}和{Yt}是相互独立的，如果Yt对Xt做回归，即，因为Xt,Yt彼此独立，回归系数应该是不显著的，即原假设是不能拒绝的。;;;;对于具有随机性趋势的时间序列{Yt}可表示为

〔8.25〕

如果式〔8.25〕中的vt是平稳的，那么

是平稳的，称{Yt}为差分平稳过程。

对于经济预测而言，趋势平稳过程的预测是可靠的，而差分平稳过程的预测那么是靠不住的。;第三节时间序列模型;;;;;;;;;;;;;以滞后期k为变量的自相关系数序列

称为自相关函数，其中K为有限值。

自相关函数是随机变量与其不同滞后期变量的相关系数序列，可以用来考察变量与其滞后变量的自相关程度。因为，即Yt与的自相关系数相等，所以自相关函数是以0为对称的，实际研究中只需给出自相关函数的正半局部即可。;;;;〔二〕AR(p)过程的识别;;;;;;〔三〕MA(q)过程的识别;;;在实际识别时，由于样本自相关函数是总体自相关函数的一个估计，因为样本波动，当kp时，不会全为0，而是在0的左右波动。可以证明，当kp时，服从渐近正态分布：～N(0,1/n),n为样本容量。如果样本自回归函数满足,就可以以95.5％的置信水平判断该时间序列在kp后截尾。;2.用偏自相关函数PACF识别

MA(1)过程可以表达为关于无穷序列

的线性组合，即

〔8.42〕

这是一个AR(∞)过程，它的偏自相关函数非截尾但确趋于0，因此MA(1)偏自相关函数是拖尾但却趋于0.;;;;〔四〕ARMA(p,q)过程的识别;;;;;三、随机时间序列模型的建立;;;;;;;;第四节协整与误差修正模型;;;;;;;;;;;;;;;;;;在误差修正模型中是非均衡误差。表示Yt和Xt的长期关系。和是长期参数，和是短期参数。由于Xt与Yt存在协整关系，因此ecm是平稳的，如果Xt,Yt～I(1)，那么△X,△Y～I(0)，在误差修正模型中变量都是平稳的。使用OLS法估计参数不存在伪回归问题。;;;;;END;