干預(yù)分析模型.課件

1、9干 預(yù) 分 析 模 型 預(yù) 測 法 9.1 干預(yù)分析模型概述 9.2 單變量干預(yù)分析模型的識別與估計 9.3 干預(yù)分析模型的應(yīng)用實例 9.1 干預(yù)分析模型概述 一、干預(yù)模型簡介干預(yù)的含義： 時間序列經(jīng)常會受到特殊事件及態(tài)勢的影響，稱 這類外部事件為干預(yù)。研究干預(yù)分析的目的：從定量分析的角度來評估政策干預(yù)或突發(fā)事件對經(jīng)濟環(huán)境和經(jīng)濟過程的具體影響。 二、干預(yù)分析模型的基本形式 干預(yù)變量的形式 ： 干預(yù)分析模型的基本變量是干預(yù)變量，有兩種常見的干預(yù)變量。 一種是持續(xù)性的干預(yù)變量，表示T 時刻發(fā)生以后, 一直有影響，這時可以用階躍函數(shù)表示，形式是： 第二種是短暫性的干預(yù)變量，表示在某時刻發(fā)生, 僅對

2、該時刻有影響, 用單位脈沖函數(shù)表示，形式是： 干預(yù)事件的形式 ： 干預(yù)事件雖然多種多樣，但按其影響的形式，歸納起來基本上有四種類型： 1. 干預(yù)事件的影響突然開始，長期持續(xù)下去 設(shè)干預(yù)對因變量的影響是固定的，從某一時刻T開始，但影響的程度是未知的，即因變量的大小是未知的。這種影響的干預(yù)模型可寫為： 表示干預(yù)影響強度的未知參數(shù)。Yt 不平穩(wěn)時可以通過差分化為平穩(wěn)序列，則干預(yù)模型可調(diào)整為： 其中B為后移算子。如果干預(yù)事件要滯后若干個時期才產(chǎn)生影響，如b個時期，那么干預(yù)模型可進一步調(diào)整為 ： 2. 干預(yù)事件的影響逐漸開始，長期持續(xù)下去 有時候干預(yù)事件突然發(fā)生，并不能立刻產(chǎn)生完全的影響，而是隨著時間的

3、推移，逐漸地感到這種影響的存在。這種形式的最簡單情形的模型方程為：更一般的模型是 ： 3. 干預(yù)事件突然開始，產(chǎn)生暫時的影響 這類干預(yù)現(xiàn)象可以用數(shù)學(xué)模型描述如下： 當(dāng) 時，干預(yù)的影響只存在一個時期， 當(dāng) 時，干預(yù)的影響將長期存在。 4. 干預(yù)事件逐漸開始，產(chǎn)生暫時的影響 干預(yù)的影響逐漸增加，在某個時刻到達高峰，然后又逐漸減弱以至消失。這類干預(yù)現(xiàn)象可用以下模型描繪：9.2 單變量干預(yù)分析模型的識別與估計 一、干預(yù)模型的構(gòu)造與干預(yù)效應(yīng)的識別單變量時間序列的干預(yù)模型，就是在時間序列模型中加進各種干預(yù)變量的影響。 設(shè)平穩(wěn)化后的單變量序列滿足下述模型(ARMA)： 又設(shè)干預(yù)事件的影響為：其中 為干預(yù)變量

4、，它等于 或 ，則單變量序列的干預(yù)模型為 ： ，這里： 二、干預(yù)效應(yīng)的識別 在對實際數(shù)據(jù)進行干預(yù)分析的過程中，一個主要的困難是，觀察到的序列現(xiàn)實值是受到了干預(yù)變量影響的數(shù)據(jù)，不能保證自相關(guān)函數(shù)與偏自相關(guān)函數(shù)所反映的ARMA模型是真實的。 下面我們介紹兩種應(yīng)對方法。（1）根據(jù)序列的具體情況和干預(yù)變量的性質(zhì)進行識別 確定干預(yù)變量的影響是短暫的還是長期的，需要進行具體的識別工作。 它是利用干預(yù)變量產(chǎn)生影響之前或干預(yù)影響過后，也就是消除了干預(yù)影響或沒有干預(yù)影響的凈化數(shù)據(jù)，計算出自相關(guān)函數(shù)與偏自相關(guān)函數(shù)。首先識別ARMA模型中的p和q，然后估計出 ， 中的參數(shù)。 假定 假定干預(yù)模型的模式為 ：組合這兩個

5、模型，便得到單變量序列的干預(yù)分析模型：或： （2）已知干預(yù)影響的情形 假定在模型識別之前，對干預(yù)的影響已很清楚，以至于通過數(shù)據(jù)分析，能夠確定干預(yù)變量的影響部分 并估計出這部分的參數(shù)， 然后計算出殘差序列： 這個序列 是一個消除了干預(yù)變量影響的序列，可計算出它的自相關(guān)與偏自相關(guān)函數(shù)，從而識別出ARMA模型的階數(shù)。 三、干預(yù)模型的建模步驟 1.利用干預(yù)影響產(chǎn)生前的數(shù)據(jù)，建立單變量的時間序列模型。然后利用此模型進行外推預(yù)測，得到的預(yù)測值，作為不受干預(yù)影響的數(shù)值。2.將實際值減去預(yù)測值，得到受干預(yù)影響的具體結(jié)果，利用這些結(jié)果求估干預(yù)影響的參數(shù)。3.利用排除干預(yù)影響后的全部數(shù)據(jù)，識別與估計出一個單變量的

6、時間序列模型。4. 求出總的干預(yù)分析模型。9.3 干預(yù)分析模型的應(yīng)用實例 例 1 我國國民收入增長的政策干預(yù)分析: 現(xiàn)在采用按可比價格計算的國民收入指數(shù)來反映國民收入，研究其在19521993年間的增長模型。由于國民收入的增長一方面源于政策干預(yù)調(diào)節(jié)的影響，另一方面又包含自然增長的趨勢，因此,把干預(yù)分析模型和一般的時間序列增長模型結(jié)合起來進行研究。已知1978年是我國一系列改革開放政策措施出臺的開始，之后中國經(jīng)濟出現(xiàn)了呈加快增長的新形勢，可以確定1978年為干預(yù)事件發(fā)生的開始時間，在建模中納入政策變化等干預(yù)變量的影響。試確定干預(yù)分析模型。 t123456789101112xt100114.012

7、0.6128.3146.4153.0186.7202.0199.1140.0130.9144.9t131415161718192021222324xt168.8197.4231.0214.3200.3239.0294.6315.3324.3351.2355.2384.7t252627282930313233 3435xt374.5403.7453.4485.1516.3541.5585.8644.2731.9830.6894.5t36373839404142xt985.71097.21133.41191.71283.41480.91704.6解答:（1）根據(jù)19521993年的數(shù)據(jù)建立一個干預(yù)

8、模型如下： 其中，t為自變量，xt為因變量， Zt表示干預(yù)事件對因變量的影響，它的確定是整個模型的關(guān)鍵。由于改革的影響是逐漸加強的，其作用又是長期深遠的，因而干預(yù)變量可選取如下的形式： 其中： 先對19521977年的國民收入指數(shù)建立時間序列模型，結(jié)果如下： 該模型擬合度較好，可以通過參數(shù)的顯著性檢驗和整個回歸方程的顯著性檢驗。（2）在此基礎(chǔ)上分離出干預(yù)影響的具體數(shù)值，求估干預(yù)模型的參數(shù)。用剛才的模型進行19781993年的國民收入指數(shù)的預(yù)測，然后用實際值減去預(yù)測值得到的差值就是改革所產(chǎn)生的干預(yù)值, 記為Zt 。求得具體數(shù)值見下表：t19781979198019811982198319841985Zt3.805.153.73-6.040.8319.2364.25117.49t19861987198819891990199119921993Zt133.04172.89229.94212.28209.60237.50354.96404.24 利用上表數(shù)據(jù)可以估計出干預(yù)模型:的參數(shù) 與 實際上是自回歸方程 : 的參數(shù)：（3）計算凈化序列 凈化序列是