第八章时间序列计量模型新.pptVIP

（一）自相关函数和偏自相关函数1.自相关函数ACF为了了解自相关函数先介绍自协方差概念。随机过程{Yt}中的每一个元素都是随机变量。对于平稳的随机过程，其期望为常数μ，其方差也是常数。第57页，共115页，星期日，2025年，2月5日相隔k期的两个随机变量和的协方差就是自协方差，其定义为（8.31）自协方差序列，k=0,1,…,K，称为随机过程{Yt}的自协方差函数，其中K一般为有限值。当k＝0时，，转化为方差。第58页，共115页，星期日，2025年，2月5日自相关系数的定义为对于平稳随机过程，所以当k＝0时，有（自相关系数为1）。第59页，共115页，星期日，2025年，2月5日以滞后期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部分即可。第60页，共115页，星期日，2025年，2月5日2.偏自相关函数PACF偏自相关函数是描述随机过程结构特征的另一种方法。用表示k阶自回归式中第j个回归系数，则k阶自回归模型表示为（8.34）第61页，共115页，星期日，2025年，2月5日其中是最后一个回归系数。若把视为滞后期的函数，则称，k＝1，2，…为偏自相关函数。它由式（8.35）的组成。（8.35）第62页，共115页，星期日，2025年，2月5日因为偏自相关函数中每一个回归系数恰好表示与在排除了其中间变量影响后的相关系数，因此称为偏自相关系数。第63页，共115页，星期日，2025年，2月5日（二）AR(p)过程的识别1.用自相关函数ACF识别对于一阶自回归模型AR(1)（8.36）用同乘式（8.31）两侧得（8.37）两侧同取期望（其中），得，两侧同除，得第64页，共115页，星期日，2025年，2月5日（8.38）因为，所以有（8.39）对于平稳时间序列，有，所以当的值为正时，自相关函数呈指数衰减至0。当的值为负1时，自相关函数正负交错呈指数衰减至0。这种现象称为拖尾或称AR(1)有无穷记忆。第65页，共115页，星期日，2025年，2月5日对于AR（p）过程，按特征根的取值不同，自相关函数有两种不同表现。（1）当特征方程的根为实数时，自相关函数将随着k的增加而呈几何衰减至0，称为指数衰减。（2）当特征方程的根中含有一对共轭复根时，自相关函数将按正弦振荡形式衰减。第66页，共115页，星期日，2025年，2月5日实际中的平稳自回归过程的自相关函数常由指数衰减和正弦衰减两部分混合而成。由式（8.39）可以看出，当特征方程的根较小时，自相关函数会很快衰减至0。当有一个实数根接近1时，自相关函数将衰减很慢，近似于线性