第七章 非平稳时间序序列的特征与检验.pptVIP

检验回归式的变形：*第30页，共47页，星期日，2025年，2月5日（二）情形二的DF检验法情形二参数的估计模型为：在成立时，序列服从随机漫步过程，有以下统计量极限分布：*第31页，共47页，星期日，2025年，2月5日情形2时t统计量概率分布密度函数（样本数为200）*第32页，共47页，星期日，2025年，2月5日情形2统计量分布特征当估计模型中含有常数项时，t统计量的极限分布发生了变化，从而临界值也就不同。比情形1时更加向左偏移。*第33页，共47页，星期日，2025年，2月5日应用时间序列分析●”十一五“国家级规划教材第七章非平稳时间序序列的特征与检验第1页，共47页，星期日，2025年，2月5日第一节非平稳时间序列的特征本节基本内容：非平稳时间序列的概念非平稳序列的分类非平稳时间序列的统计特征*第2页，共47页，星期日，2025年，2月5日一、非平稳时间序列的概念严格平稳与严格非平稳：如果序列满足：其概率分布、均值、方差、协方差及其它各高阶矩均不随时间发生变化如果时间序列的统计特征随时间的推移而发生变化，则称为非平稳时间序列。*第3页，共47页，星期日，2025年，2月5日弱平稳，是指时间序列的均值、方差和协方差等一、二阶矩存在并不随时间改变，表现为时间的常数。弱平稳的三个条件：*第4页，共47页，星期日，2025年，2月5日【例7.1】AR(1)时间序列的平稳性分析对于AR(1)：，假设初始值，干扰项为白噪声，满足零均值独立同分布，其方差为。讨论不同系数时序列的平稳性情况。对迭代，得到:对均值，有：，与时间无关。对方差，有：*第5页，共47页，星期日，2025年，2月5日【例7.1】当时，分子、分母取极限可得到：当时，有：当时，与时间相关并按指数增长。可见：当，方差与时间无关，其它情形与时间相关。容易证明，协方差与方差具有同样的特征。*第6页，共47页，星期日，2025年，2月5日【例7.1】结论当时，AR(1)过程为平稳的，因为其均值、方差与协方差均与时间无关。当时，方差与协方差均与时间有关，为非平稳的。对于经济问题而言，很少出现的情形。通常将的情形称为随机漫步过程，或者称为单位根过程。当时，方差、协方差随时间指数增长，当然也是非平稳过程。此时时间序列经过短暂的时间间隔就会迅速增加到无穷，这对实际经济变量而言是比较少见的，故我们在实践中通常不考虑这种非平稳情形。*第7页，共47页，星期日，2025年，2月5日二、非平稳时间序列的分类随机趋势非平稳过程（stochastictrendprocess）随机趋势非平稳过程又称为差分平稳过程（differencestationaryprocess）、有漂移项的非平稳过程（non-stationaryprocesswithdrift）。其生成过程为：趋势平稳过程（trendstationaryprocess）趋势平稳过程又称为退势平稳过程，其生成过程为：确定性趋势非平稳过程（non-stationaryprocesswithdeterministictrend）模型为*第8页，共47页，星期日，2025年，2月5日三、非平稳时间序列的统计特征对单位根过程而言，有可以看出，随着时间长度的增加，相关系数趋近于常数1；在小样本条件下，随着滞后期k的增加，相关系数会不断衰减。对于AR(1)的平稳过程而言，有可以看出，相关系数随滞后期k的增加按指数迅速衰减到0。单位根过程与平稳过程的自相关系数随滞后期的增加有显著不同的衰减速度，这个区别为我们检验非平稳性提供了一个思路，样本相关图法就是利用这个性质来检验时间序列的非平稳性的。*第9页，共47页，星期日，2025年，2月5日随机漫步过程与平稳一阶自回归过程特征的比较随机漫步过程平稳一阶自回归过程方差随时间线性增长保持不变协方差跟时间与时间间隔