版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
第九章
時間序列計量經(jīng)濟學模型時間序列的平穩(wěn)性及其檢驗隨機時間序列分析模型協(xié)整分析與誤差修正模型§9.1時間序列的平穩(wěn)性及其檢驗一、問題的引出:非平穩(wěn)變量與經(jīng)典回歸模型二、時間序列數(shù)據(jù)的平穩(wěn)性三、平穩(wěn)性的圖示判斷四、平穩(wěn)性的單位根檢驗五、單整、趨勢平穩(wěn)與差分平穩(wěn)隨機過程一、問題的引出:非平穩(wěn)變量與經(jīng)典回歸模型
⒈常見的數(shù)據(jù)類型到目前為止,經(jīng)典計量經(jīng)濟模型常用到的數(shù)據(jù)有:時間序列數(shù)據(jù)(time-seriesdata)截面數(shù)據(jù)(cross-sectionaldata)平行/面板數(shù)據(jù)(paneldata/time-seriescross-sectiondata)★時間序列數(shù)據(jù)是最常見,也是最常用到的數(shù)據(jù)⒉經(jīng)典回歸模型與數(shù)據(jù)的平穩(wěn)性經(jīng)典回歸分析暗含著一個重要假設:數(shù)據(jù)是平穩(wěn)的。數(shù)據(jù)非平穩(wěn),大樣本下的統(tǒng)計推斷基礎——“一致性”要求——被破懷。經(jīng)典回歸分析的假設之一:解釋變量X是非隨機變量依概率收斂:(2)放寬該假設:X是隨機變量,則需進一步要求:(1)X與隨機擾動項不相關(guān)∶Cov(X,)=0
第(2)條是為了滿足統(tǒng)計推斷中大樣本下的“一致性”特性:第(1)條是OLS估計的需要▲如果X是非平穩(wěn)數(shù)據(jù)(如表現(xiàn)出向上的趨勢),則(2)不成立,回歸估計量不滿足“一致性”,基于大樣本的統(tǒng)計推斷也就遇到麻煩。因此:注意:在雙變量模型中:
表現(xiàn)在:兩個本來沒有任何因果關(guān)系的變量,卻有很高的相關(guān)性(有較高的R2)。例如:如果有兩列時間序列數(shù)據(jù)表現(xiàn)出一致的變化趨勢(非平穩(wěn)的),即使它們沒有任何有意義的關(guān)系,但進行回歸也可表現(xiàn)出較高的可決系數(shù)。⒊數(shù)據(jù)非平穩(wěn),往往導致出現(xiàn)“虛假回歸”問題在現(xiàn)實經(jīng)濟生活中,實際的時間序列數(shù)據(jù)往往是非平穩(wěn)的,而且主要的經(jīng)濟變量如消費、收入、價格往往表現(xiàn)為一致的上升或下降。這樣,仍然通過經(jīng)典的因果關(guān)系模型進行分析,一般不會得到有意義的結(jié)果。
時間序列分析模型方法就是在這樣的情況下,以通過揭示時間序列自身的變化規(guī)律為主線而發(fā)展起來的全新的計量經(jīng)濟學方法論。時間序列分析已組成現(xiàn)代計量經(jīng)濟學的重要內(nèi)容,并廣泛應用于經(jīng)濟分析與預測當中。二、時時間序序列數(shù)數(shù)據(jù)的的平穩(wěn)穩(wěn)性定義::假定某某個時時間序序列是是由某某一隨機過過程(stochasticprocess)生成成的,,即假假定時時間序序列{Xt}(t=1,2,……)的每每一個個數(shù)值值都是是從一一個概概率分分布中中隨機機得到到,如如果滿滿足下下列條條件::1)均值值E(Xt)=是與時時間t無關(guān)的的常數(shù)數(shù);2)方差差Var(Xt)=2是與時時間t無關(guān)的的常數(shù)數(shù);3)協(xié)方方差Cov(Xt,Xt+k)=k是只與時時期間間隔k有關(guān),,與時時間t無關(guān)的的常數(shù)數(shù);則稱該該隨機機時間間序列列是平穩(wěn)的的(stationary),而該該隨機機過程程是一一平穩(wěn)隨隨機過過程(stationarystochasticprocess)。.一個最最簡單單的隨隨機時時間序序列是是一具具有零零均值值同方方差的的獨立立分布布序列列:Xt=t,t~N(0,2)該序列列常被被稱為為是一一個白噪聲聲(whitenoise)。由于Xt具具有相相同的的均值值與方方差,,且協(xié)協(xié)方差差為零零,由由定義義,一個白白噪聲聲序列列是平平穩(wěn)的的。.另一個個簡單單的隨隨機時時間列列序被被稱為為隨機游游走((randomwalk)),該序列列由如如下隨隨機過過程生生成::Xt=Xt-1+t這里,,t是一個個白噪噪聲。。容易知知道該該序列列有相相同的的均值值:E(Xt)=E(Xt-1)為了檢檢驗該該序列列是否否具有有相同同的方方差,,可假假設Xt的的初值值為X0,,則易易知:X1=X0+1X2=X1+2=X0+1+2………Xt=X0+1+2+…+t由于X0為常數(shù)數(shù),t是一個個白噪噪聲,,因此此:Var(Xt)=t2即Xt的方差差與時時間t有關(guān)而而非常常數(shù),,它是是一非非平穩(wěn)穩(wěn)序列列。然而而,,對對X取取一階階差差分分(firstdifference):Xt=Xt-Xt-1=t由于于t是一一個個白白噪噪聲聲,,則則序序列列{Xt}是平平穩(wěn)穩(wěn)的的。。后面面將將會會看看到到:如果果一一個個時時間間序序列列是是非非平平穩(wěn)穩(wěn)的的,,它它常常常常可可通通過過取取差差分分的的方方法法而而形形成成平平穩(wěn)穩(wěn)序序列列。事實實上上,,隨機機游游走走過過程程是下下面面我我們們稱稱之之為為1階階自自回回歸歸AR(1)過過程程的特特例例:Xt=Xt-1+t不難難驗驗證證:1)||>1時時,,該該隨隨機機過過程程生生成成的的時時間間序序列列是是發(fā)發(fā)散散的的,,表表現(xiàn)現(xiàn)為為持持續(xù)續(xù)上上升升(>1)或或持持續(xù)續(xù)下下降降(<-1),,因因此此是是非非平平穩(wěn)穩(wěn)的的;;2)=1時時,,是是一一個個隨隨機機游游走走過過程程,,也也是是非非平平穩(wěn)穩(wěn)的的?!?.2中中將將證證明明:只有有當當-1<<1時,,該該隨隨機機過過程程才才是是平平穩(wěn)穩(wěn)的的。。1階階自自回回歸歸過過程程AR(1)又是是如如下下k階階自自回回歸歸AR(K)過過程程的特特例例::Xt=1Xt-1+2Xt-2…+kXt-k該隨隨機機過過程程平平穩(wěn)穩(wěn)性性條條件件將將在在第第二二節(jié)節(jié)中中介介紹紹。。三、、平平穩(wěn)穩(wěn)性性檢檢驗驗的的圖圖示示判判斷斷給出出一一個個隨隨機機時時間間序序列列,,首首先先可可通通過過該該序序列列的的時間間路路徑徑圖圖來粗粗略略地地判判斷斷它它是是否否是是平平穩(wěn)穩(wěn)的的。。一個個平穩(wěn)穩(wěn)的的時時間間序序列列在圖圖形形上上往往往往表表現(xiàn)現(xiàn)出出一一種種圍圍繞繞其其均均值值不不斷斷波波動動的的過過程程。。而非平平穩(wěn)穩(wěn)序序列列則往往往往表表現(xiàn)現(xiàn)出出在在不不同同的的時時間間段段具具有有不不同同的的均均值值((如如持持續(xù)續(xù)上上升升或或持持續(xù)續(xù)下下降降))。。進一一步步的的判判斷斷:檢驗驗樣樣本本自自相相關(guān)關(guān)函函數(shù)數(shù)及及其其圖圖形形定義義隨隨機機時時間間序序列列的的自相相關(guān)關(guān)函函數(shù)數(shù)(autocorrelationfunction,ACF)如如下下:k=k/0自相相關(guān)關(guān)函函數(shù)數(shù)是是關(guān)關(guān)于于滯滯后后期期k的的遞遞減減函函數(shù)數(shù)(Why?)。。實際際上上,對對一一個個隨隨機機過過程程只只有有一一個個實實現(xiàn)現(xiàn)((樣樣本本)),,因因此此,,只只能能計計算算樣本本自自相相關(guān)關(guān)函函數(shù)數(shù)(Sampleautocorrelationfunction))。。一個個時時間間序序列列的的樣樣本本自自相相關(guān)關(guān)函函數(shù)數(shù)定定義義為為::易知知,,隨隨著著k的的增增加加,,樣樣本本自自相相關(guān)關(guān)函函數(shù)數(shù)下下降降且且趨趨于于零零。。但但從從下下降降速速度度來來看看,,平平穩(wěn)穩(wěn)序序列列要要比比非非平平穩(wěn)穩(wěn)序序列列快快得得多多。。注意意:確定定樣樣本本自自相相關(guān)關(guān)函函數(shù)數(shù)rk某一一數(shù)數(shù)值值是是否否足足夠夠接接近近于于0是是非非常常有有用用的的,,因因為為它它可可檢驗驗對對應應的的自自相相關(guān)關(guān)函函數(shù)數(shù)k的真真值值是是否否為為0的的假假設設。。Bartlett曾曾證證明明:如如果果時時間間序序列列由由白白噪噪聲聲過過程程生生成成,,則則對對所所有有的的k>0,,樣樣本本自自相相關(guān)關(guān)系系數(shù)數(shù)近近似似地地服服從從以以0為為均均值值,,1/n為為方方差差的的正正態(tài)態(tài)分分布布,,其其中中n為為樣樣本本數(shù)數(shù)。。也可可檢檢驗驗對對所所有有k>0,,自自相相關(guān)關(guān)系系數(shù)數(shù)都都為為0的的聯(lián)聯(lián)合合假假設設,,這這可可通通過過如如下下QLB統(tǒng)統(tǒng)計計量量進進行行::該統(tǒng)統(tǒng)計計量量近近似似地地服服從從自自由由度度為為m的的2分布布((m為為滯滯后后長長度度))。。因此此:如果果計計算算的的Q值值大大于于顯顯著著性性水水平平為為的臨界值值,則有有1-的把握拒拒絕所有有k(k>0)同時時為0的的假設。。序序列Random1是是通過一一隨機過過程(隨隨機函數(shù)數(shù))生成成的有19個樣樣本的隨隨機時間間序列。。容易驗證證:該樣本序序列的均均值為0,方差差為0.0789。從圖形看看:它在其樣樣本均值值0附近近上下波波動,且且樣本自自相關(guān)系系數(shù)迅速速下降到到0,隨隨后在0附近波波動且逐逐漸收斂斂于0。。由于該序序列由一一隨機過過程生成成,可以以認為不不存在序序列相關(guān)關(guān)性,因因此該序列為為一白噪噪聲。根據(jù)Bartlett的理論論:k~N(0,1/19),因此任一一rk(k>0)的95%的的置信區(qū)區(qū)間都將將是:可以看出出:k>0時,,rk的值確實實落在了了該區(qū)間間內(nèi),因因此可以以接受k(k>0)為為0的假假設。同樣地,從QLB統(tǒng)計量量的計算算值看,,滯后17期的的計算值值為26.38,未超超過5%顯著性性水平的的臨界值值27.58,,因此,可以接接受所有有的自相相關(guān)系數(shù)數(shù)k(k>0)都都為0的的假設。。因此,該隨機過過程是一一個平穩(wěn)穩(wěn)過程。。序列Random2是是由一隨隨機游走走過程Xt=Xt-1+t生成的一一隨機游游走時間間序列樣樣本。其其中,第第0項取取值為0,t是由Random1表表示的白白噪聲。。圖形表示示出:該序列具具有相同同的均值值,但從從樣本自自相關(guān)圖圖看,雖雖然自相相關(guān)系數(shù)數(shù)迅速下下降到0,但隨隨著時間間的推移移,則在在0附近近波動且且呈發(fā)散散趨勢。。樣本自相相關(guān)系數(shù)數(shù)顯示:r1=0.48,落落在了區(qū)區(qū)間[-0.4497,0.4497]之外,,因此在在5%的的顯著性性水平上上拒絕1的真值為為0的假假設。該隨機游游走序列列是非平平穩(wěn)的。。例9.1.4檢驗中國國支出法法GDP時間序序列的平平穩(wěn)性。表9.1.21978~2000年中中國支出出法GDP(單單位:億億元)圖形:表表現(xiàn)出了了一個持持續(xù)上升升的過程程,可初步步判斷是非平穩(wěn)穩(wěn)的。樣本自相相關(guān)系數(shù)數(shù):緩慢慢下降,再次表表明它的的非平穩(wěn)性。從滯后18期的的QLB統(tǒng)計量量看:QLB(18)=57.18>28.86=20.05拒絕:該時間間序列的的自相關(guān)關(guān)系數(shù)在在滯后1期之后后的值全全部為0的假設設。結(jié)論:1978—2000年年間中國國GDP時間序序列是非非平穩(wěn)序序列。例9.1.5檢驗§2.10中關(guān)于于人均居居民消費費與人均均國內(nèi)生生產(chǎn)總值值這兩時時間序列列的平穩(wěn)穩(wěn)性。原圖樣樣本自自相關(guān)圖圖從圖形上上看:人均居民民消費((CPC)與人人均國內(nèi)內(nèi)生產(chǎn)總總值(GDPPC)是非平穩(wěn)穩(wěn)的。從滯后14期的的QLB統(tǒng)計量看看:CPC與與GDPPC序序列的統(tǒng)統(tǒng)計量計計算值均均為57.18,超過過了顯著著性水平平為5%時的臨臨界值23.68。再再次表明它們們的非平平穩(wěn)性。。就此來說說,運用用傳統(tǒng)的的回歸方方法建立立它們的的回歸方方程是無無實際意意義的。。不過,§9.3中將看到到,如果果兩個非非平穩(wěn)時時間序列列是協(xié)整的,則則傳統(tǒng)統(tǒng)的回回歸結(jié)結(jié)果卻卻是有有意義義的,,而這這兩時時間序序列恰恰是協(xié)整的。四、平平穩(wěn)性性的單單位根根檢驗驗(unitroottest)1、DF檢檢驗隨機游游走序序列:Xt=Xt-1+t是非平平穩(wěn)的的,其其中t是白噪噪聲。。而該該序列列可看看成是是隨機機模型型:Xt=Xt-1+t中參數(shù)數(shù)=1時的情情形。。(*))式可可變形形式成成差分分形式式:Xt=(1-)Xt-1+t=Xt-1+t(**)檢驗((*))式是是否存存在單單位根根=1,,也可可通過過(**))式判判斷是是否有有=0。。對式::Xt=Xt-1+t((*))進行回回歸,,如果果確實實發(fā)現(xiàn)現(xiàn)=1,,就說說隨機機變量量Xt有一一個單位根根。一般地地:檢驗一一個時時間序序列Xt的的平穩(wěn)穩(wěn)性,,可通通過檢檢驗帶帶有截截距項項的一一階自自回歸歸模型型:Xt=+Xt-1+t((*))中的參參數(shù)是否小小于1?;蛘撸海簷z驗其其等價價變形形式::Xt=+Xt-1+t((**)中的參參數(shù)是否小小于0。。在第二二節(jié)中中將證證明,,(*)式式中的的參數(shù)數(shù)>1或或=1時時,時時間序序列是是非平平穩(wěn)的的;對對應應于((**)式式,則則是>0或或=0。因此,,針對對式::Xt=+Xt-1+t我們關(guān)關(guān)心的的檢驗驗為:零假設設H0::=0。備擇假假設H1:<0上述檢檢驗可可通過過OLS法法下的的t檢檢驗完完成。。然而,,在零零假設設(序序列非非平穩(wěn)穩(wěn))下下,即即使在在大樣樣本下下t統(tǒng)統(tǒng)計量量也是是有偏偏誤的的(向向下偏偏倚)),通通常的的t檢檢驗驗無法法使用用。Dicky和和Fuller于于1976年年提提出出了了這這一一情情形形下下t統(tǒng)統(tǒng)計計量量服服從從的的分分布布((這這時時的的t統(tǒng)統(tǒng)計計量量稱稱為為統(tǒng)計計量量),,即DF分分布布(見見表))。。由于于t統(tǒng)統(tǒng)計計量量的的向向下下偏偏倚倚性性,,它它呈呈現(xiàn)現(xiàn)圍圍繞繞小小于于零零值值的的偏偏態(tài)態(tài)分分布布。。因此此,,可可通通過過OLS法法估估計計::Xt=+Xt-1+t并計計算算t統(tǒng)統(tǒng)計計量量的的值值,,與與DF分分布布表表中中給給定定顯顯著著性性水水平平下下的的臨臨界界值值比比較較::如果果::t<臨臨界界值值,,則則拒拒絕絕零零假假設設H0:=0,,認為為時時間間序序列列不不存存在在單單位位根根,,是是平平穩(wěn)穩(wěn)的的。。注意意::在在不不同同的的教教科科書書上上有有不不同同的的描描述述,,但但是是結(jié)結(jié)果果是是相相同同的的。。例如如::““如如果果計計算算得得到到的的t統(tǒng)統(tǒng)計計量量的的絕絕對對值值大大于于臨臨界界值值的的絕絕對對值值,,則則拒拒絕絕ρρ=0””的的假假設設,,原原序序列列不不存存在在單單位位根根,,為為平平穩(wěn)穩(wěn)序序列列。。問題題的的提提出出::在利利用用Xt=+Xt-1+t對時間序序列進行行平穩(wěn)性性檢驗中中,實際上假定了時時間序列列是由具具有白噪噪聲隨機機誤差項項的一階階自回歸歸過程AR(1)生成成的。但在實際際檢驗中中,時間序序列可能能由更高高階的自自回歸過過程生成成的,或或者隨機機誤差項項并非是是白噪聲聲,這樣用OLS法法進行估估計均會會表現(xiàn)出出隨機誤誤差項出出現(xiàn)自相相關(guān)(autocorrelation),導致DF檢驗無無效。2、ADF檢驗驗另外,如果時間間序列包包含有明明顯的隨隨時間變變化的某某種趨勢勢(如上上升或下下降),,則也容容易導致致上述檢檢驗中的的自相關(guān)隨隨機誤差差項問題題。為了保證證DF檢檢驗中隨隨機誤差差項的白白噪聲特特性,Dicky和Fuller對對DF檢檢驗進行行了擴充充,形成成了ADF((AugmentDickey-Fuller)檢檢驗。ADF檢檢驗是通通過下面面三個模模型完成成的:模型3中中的t是時間間變量,代表了時時間序列列隨時間間變化的的某種趨趨勢(如如果有的的話)。。模型1與另兩兩模型的的差別在在于是否否包含有有常數(shù)項項和趨勢勢項。檢驗的假假設都是是:針對對H1:<0,檢檢驗H0:=0,即即存在一一單位根根。實際檢驗驗時從模模型3開開始,然然后模型型2、模模型1。。何時檢驗驗拒絕零零假設,,即原序序列不存存在單位位根,為為平穩(wěn)序序列,何何時檢驗驗停止。。否則,,就要繼繼續(xù)檢驗驗,直到到檢驗完完模型1為止。。檢驗原理理與DF檢檢驗相同同,只是是對模型型1、2、3進進行檢驗驗時,有有各自相相應的臨臨界值。。給給出了三三個模型型所使用用的ADF分布布臨界值值表。2.202.182.172.162.162.162.612.562.542.532.522.522.972.892.862.842.832.833.413.283.223.193.183.182550100250500〉500-2.62-2.60-2.58-2.57-2.57-2.57-3.00-2.93-2.89-2.88-2.87-2.86-3.33-3.22-3.17-3.14-3.13-3.12-3.75-3.58-3.51-3.46-3.44-3.432550100250500〉5002-1.60-1.61-1.61-1.61-1.61-1.61-1.95-1.95-1.95-1.95-1.95-1.95-2.26-2.25-2.24-2.23-2.23-2.23-2.66-2.62-2.60-2.58-2.58-2.582550100250500〉50010.100.050.0250.01樣本容量量統(tǒng)計量模型不不同模型型使用的的ADF分布臨臨界值表表ststat2.392.382.382.382.382.382.852.812.792.792.782.783.253.183.143.123.113.113.743.603.533.493.483.462550100250500〉5002.772.752.732.732.722.723.203.143.113.093.083.083.593.423.423.393.383.384.053.873.783.743.723.712550100250500〉500-3.24-3.18-3.15-3.13-3.13-3.12-3.603.50-3.45-3.43-3.42-3.41-3.95-3.80-3.73-3.69-3.68-3.66-4.38-4.15-4.04-3.99-3.98-3.962550100250500〉50030.100.050.0250.01樣本容容量統(tǒng)計量量模型續(xù)表:不不同模模型使使用的的ADF分分布臨臨界值值表statbt同時估估計出出上述述三個個模型型的適適當形形式,,然后后通過過ADF臨臨界值值表檢檢驗零假設設H0:=0。1)只要其其中有有一個個模型型的檢檢驗結(jié)結(jié)果拒拒絕了了零假假設,,就可可以認認為時時間序序列是是平穩(wěn)穩(wěn)的;;一個簡簡單的的檢驗驗過程程:2)當三個個模型型的檢檢驗結(jié)結(jié)果都都不能能拒絕絕零假假設時時,則則認為為時間間序列列是非非平穩(wěn)穩(wěn)的。。這里所所謂模型適適當?shù)牡男问绞骄褪窃谠诿總€個模型型中選選取適適當?shù)牡臏蠛蟛罘址猪?,,以使使模型型的殘殘差項項是一一個白白噪聲聲(主主要保保證不不存在在自相相關(guān)))。例9.1.6檢驗1978~2000年間間中國國支出出法GDP序列列的平平穩(wěn)性性。1)經(jīng)過償償試,,模型型3取取了2階滯滯后::通過拉格朗朗日乘乘數(shù)檢檢驗(Lagrangemultipliertest)對隨機機誤差差項的的自相相關(guān)性性進行行檢驗驗:LM((1))=0.92,,LM(2)=4.16,小于5%顯顯著性性水平平下自自由度度分別別為1與2的2分布布的臨臨界值值,可可見不不存在在自相相關(guān)性性,因因此該該模型型的設設定是是正確確的。。從的系系數(shù)數(shù)看看,,t>臨臨界界值值,,不不能能拒拒絕絕存存在在單單位位根根的的零零假假設設。。時間間T的的t統(tǒng)統(tǒng)計計量量小小于于ADF分分布布表表中中的的臨臨界界值值,,因因此此不能能拒拒絕絕不不存存在在趨趨勢勢項項的的零零假假設設。需進進一一步步檢檢驗驗模模型型2。2))經(jīng)經(jīng)試試驗驗,,模模型型2中中滯滯后后項項取取2階階::LM檢檢驗驗表表明明模模型型殘殘差差不不存存在在自自相相關(guān)關(guān)性性,,因因此此該該模模型型的的設設定定是是正正確確的的。。從GDPt-1的的參參數(shù)數(shù)值值看看,,其其t統(tǒng)統(tǒng)計計量量為為正正值值,,大大于于臨臨界界值值,不能能拒拒絕絕存存在在單單位位根根的的零零假假設設。常數(shù)數(shù)項項的的t統(tǒng)統(tǒng)計計量量小小于于AFD分分布布表表中中的的臨臨界界值值,不能能拒拒絕絕不不存存常常數(shù)數(shù)項項的的零零假假設設。。需進進一一步步檢檢驗驗模模型型1。。3)經(jīng)經(jīng)試試驗驗,,模模型型1中滯滯后后項項取取2階:LM檢檢驗驗表表明明模模型型殘殘差差項項不不存存在在自自相相關(guān)關(guān)性性,,因因此此模模型型的的設設定定是是正正確確的的。。從GDPt-1的的參參數(shù)數(shù)值值看看,,其其t統(tǒng)統(tǒng)計計量量為為正正值值,,大大于于臨臨界界值值,,不能能拒拒絕絕存存在在單單位位根根的的零零假假設設。??蓴鄶喽ǘㄖ兄袊鴩еС龀龇ǚ℅DP時時間間序序列列是是非非平平穩(wěn)穩(wěn)的的。。例檢驗驗§2.10中中關(guān)關(guān)于于人人均均居居民民消消費費與與人人均均國國內(nèi)內(nèi)生生產(chǎn)產(chǎn)總總值值這這兩兩時時間間序序列列的的平平穩(wěn)穩(wěn)性性。。1)對對中國國人人均均國國內(nèi)內(nèi)生生產(chǎn)產(chǎn)總總值值GDPPC來說說,,經(jīng)經(jīng)過過償償試試,,三三個個模模型型的的適適當當形形式式分分別別為為::三個個模模型型中中參參數(shù)數(shù)的的估估計計值值的的t統(tǒng)統(tǒng)計計量量均均大大于于各各自自的的臨臨界界值值,,因因此此不能能拒拒絕絕存存在在單單位位根根的的零零假假設設。結(jié)論論::人均均國國內(nèi)內(nèi)生生產(chǎn)產(chǎn)總總值值((GDPPC))是是非非平平穩(wěn)穩(wěn)的的。。2))對對于于人均均居居民民消消費費CPC時間間序序列列來來說說,,三三個個模模型型的的適適當當形形式式為為:三個模型中中參數(shù)CPCt-1的t統(tǒng)計量量的值均比比ADF臨臨界值表中中各自的臨臨界值大,不能拒絕該該時間序列列存在單位位根的假設設,因此,可判斷人均均居民消費費序列CPC是非平平穩(wěn)的。五、單整、、趨勢平穩(wěn)穩(wěn)與差分平平穩(wěn)隨機過過程隨機游走序序列Xt=Xt-1+t經(jīng)差分后等等價地變形形為Xt=t,由于t是一個白噪噪聲,因此此差分后的序序列{Xt}是平穩(wěn)的的。如果一個時時間序列經(jīng)經(jīng)過一次差差分變成平平穩(wěn)的,就就稱原序列列是一階單整(integratedof1)序列,記為I(1)。。⒈單整一般地,如如果一個時時間序列經(jīng)經(jīng)過d次差分后變變成平穩(wěn)序序列,則稱稱原序列是是d階單整(integratedofd)序列,記為I(d)。顯然,I(0)代表一平穩(wěn)穩(wěn)時間序列列?,F(xiàn)實經(jīng)濟生生活中:1)只有少少數(shù)經(jīng)濟指指標的時間間序列表現(xiàn)現(xiàn)為平穩(wěn)的的,如利率等;2)大多數(shù)數(shù)指標的時時間序列是是非平穩(wěn)的的,如一些價格格指數(shù)常常常是2階單單整的,以以不變價格格表示的消消費額、收收入等常表表現(xiàn)為1階階單整。大多數(shù)非平平穩(wěn)的時間間序列一般般可通過一一次或多次次差分的形形式變?yōu)槠狡椒€(wěn)的。但也有一些些時間序列列,無論經(jīng)經(jīng)過多少次次差分,都都不能變?yōu)闉槠椒€(wěn)的。。這種序列列被稱為非單整的((non-integrated)。例9.1.8中國支出法法GDP的的單整性。。經(jīng)過試算,,發(fā)現(xiàn)中國支出法法GDP是是1階單整整的,適當?shù)臋z驗驗模型為::例9.1.9中國人均居居民消費與與人均國內(nèi)內(nèi)生產(chǎn)總值值的單整性性。經(jīng)過試算,,發(fā)現(xiàn)中國人均國國內(nèi)生產(chǎn)總總值GDPPC是2階單整的的,適當?shù)臋z驗驗模型為::同樣地,CPC也是是2階單整整的,適當?shù)臋z驗驗模型為::⒉趨勢平穩(wěn)與與差分平穩(wěn)穩(wěn)隨機過程程前文已指出出,一些非非平穩(wěn)的經(jīng)經(jīng)濟時間序序列往往表表現(xiàn)出共同同的變化趨趨勢,而這這些序列間間本身不一一定有直接接的關(guān)聯(lián)關(guān)關(guān)系,這時時對這些數(shù)數(shù)據(jù)進行回回歸,盡管管有較高的的R2,但其結(jié)果果是沒有任任何實際意意義的。這這種現(xiàn)象我我們稱之為為虛假回歸或偽回歸(spuriousregression)。如:用中國國的勞動力力時間序列列數(shù)據(jù)與美美國GDP時間序列列作回歸,,會得到較較高的R2,但不不能認為兩兩者有直接接的關(guān)聯(lián)關(guān)關(guān)系,而只只不過它們們有共同的的趨勢罷了了,這種回回歸結(jié)果我我們認為是是虛假的。。為了避免這種種虛假回歸的的產(chǎn)生,通常常的做法是引引入作為趨勢勢變量的時間間,這樣包含含有時間趨勢勢變量的回歸歸,可以消除除這種趨勢性性的影響。然而這種做法法,只有當趨趨勢性變量是是確定性的(deterministic)而非隨機性的(stochastic)),才會是有效的的。換言之,如果一個包含含有某種確定定性趨勢的非非平穩(wěn)時間序序列,可以通通過引入表示示這一確定性性趨勢的趨勢勢變量,而將將確定性趨勢勢分離出來。。1)如果=1,=0,則(*)式成成為一帶位移的隨隨機游走過程程:Xt=+Xt-1+t(**)根據(jù)的正負,Xt表現(xiàn)出明顯的的上升或下降降趨勢。這種種趨勢稱為隨機性趨勢((stochastictrend)??紤]如下的含含有一階自回回歸的隨機過過程:Xt=+t+Xt-1+t(*)其中:t是一白噪聲,,t為一時間間趨勢。2)如果=0,0,則(*)式成為一帶時時間趨勢的隨隨機變化過程程:Xt=+t+t(***)根據(jù)的正負,Xt表現(xiàn)出明顯的的上升或下降降趨勢。這種種趨勢稱為確定性趨勢((deterministictrend))。3)如果=1,0,則Xt包含含有確定性與隨機機性兩種趨勢勢。判斷一個非平平穩(wěn)的時間序序列,它的趨趨勢是隨機性性的還是確定定性的,可通通過ADF檢檢驗中所用的的第3個模型型進行。該模型中已引引入了表示確確定性趨勢的的時間變量t,即分離出出了確定性趨趨勢的影響。。因此:(1)如果檢檢驗結(jié)果表明明所給時間序序列有單位根根,且時間變變量前的參數(shù)數(shù)顯著為零,,則該序列顯顯示出隨機性性趨勢;(2)如果沒沒有單位根,,且時間變量量前的參數(shù)顯顯著地異于零零,則該序列列顯示出確定定性趨勢。隨機性趨勢勢可通過差差分的方法法消除例如:對式式:Xt=+Xt-1+t可通過差分分變換為::Xt=+t該時間序列列稱為差分平穩(wěn)過過程(differencestationaryprocess));確定性趨勢勢無法通過過差分的方方法消除,,而只能通通過除去趨趨勢項消除除例如:對式式:Xt=+t+t可通過除去去t變換為::Xt-t=+t該時間序列列是平穩(wěn)的的,因此稱稱為趨勢平穩(wěn)過過程(trendstationaryprocess)。。最后需要說說明的是,,趨勢平穩(wěn)過過程代表了了一個時間間序列長期期穩(wěn)定的變變化過程,,因而用于于進行長期期預測則是是更為可靠靠的?!?.2隨隨機時間間序列分析析模型一、時間序列模模型的基本本概念及其其適用性二、隨機時間序序列模型的的平穩(wěn)性條條件三、隨機時間序序列模型的的識別四、隨機時間序序列模型的的估計五、隨機時間序序列模型的的檢驗說明經(jīng)典計量經(jīng)經(jīng)濟學模型型與時間序序列模型確定性時間間序列模型型與隨機性性時間序列列模型一、時間序序列模型的的基本概念念及其適用用性1、時間序序列模型的的基本概念念隨機時間序序列模型((timeseriesmodeling)是指僅用它它的過去值值及隨機擾擾動項所建建立起來的的模型,其其一般形式式為:Xt=F(Xt-1,Xt-2,…,t)建立具體的的時間序列列模型,需需解決如下下三個問題題:(1)模型型的具體形形式(2)時序序變量的滯滯后期(3)隨機機擾動項的的結(jié)構(gòu)例如,取線線性方程、、一期滯后后以及白噪噪聲隨機擾擾動項(t=t),模型將將是一個1階自回歸歸過程AR(1):Xt=Xt-1+t,這里,t特指一白噪聲。一般的p階自回歸歸過程AR(p)是Xt=1Xt-1+2Xt-2+…+pXt-p+t(*)(1)如果果隨機擾動動項是一個個白噪聲(t=t),則稱(*)式為為一純AR(p)過程((pureAR(p)process),記為:Xt=1Xt-1+2Xt-2+…+pXt-p+t(2)如果果t不是一個個白噪聲,,通常認為為它是一個個q階的移動平均((movingaverage)過過程MA(q):t=t-1t-1-2t-2--qt-q該式給出了了一個純MA(q)過程(pureMA(p)process)。將純AR(p)與純純MA(q)結(jié)合,,得到一個個一般的自回歸移動動平均(autoregressivemovingaverage)過程ARMA(p,q):Xt=1Xt-1+2Xt-2+…+pXt-p+t-1t-1-2t-2--qt-q該式表明::(1)一個個隨機時間間序列可以以通過一個個自回歸移移動平均過過程生成,,即該序列可可以由其自自身的過去去或滯后值值以及隨機機擾動項來來解釋。(2)如果果該序列是是平穩(wěn)的,即它的行為為并不會隨隨著時間的的推移而變變化,那么我們就就可以通過過該序列過過去的行為為來預測未未來。這也正是隨隨機時間序序列分析模模型的優(yōu)勢勢所在。經(jīng)典回歸模模型的問題題:迄今為止,,對一個時間間序列Xt的變動進進行解釋或或預測,是是通過某個個單方程回回歸模型或或聯(lián)立方程程回歸模型型進行的,,由于它們們以因果關(guān)關(guān)系為基礎礎,且具有有一定的模模型結(jié)構(gòu),,因此也常常稱為結(jié)構(gòu)式模型型(structuralmodel)。2、時間序序列分析模模型的適用用性然而,如果Xt波波動的主要要原因可能能是我們無無法解釋的的因素,如如氣候、消消費者偏好好的變化等等,則利用用結(jié)構(gòu)式模模型來解釋釋Xt的變變動就比較較困難或不不可能,因因為要取得得相應的量量化數(shù)據(jù),,并建立令令人滿意的的回歸模型型是很困難難的。有時,即使能估計出出一個較為滿滿意的因果關(guān)關(guān)系回歸方程程,但由于對對某些解釋變變量未來值的的預測本身就就非常困難,,甚至比預測測被解釋變量量的未來值更更困難,這時時因果關(guān)系的的回歸模型及及其預測技術(shù)術(shù)就不適用了了。例如,時間序列過去去是否有明顯顯的增長趨勢勢,如果增長趨勢勢在過去的行行為中占主導導地位,能否否認為它也會會在未來的行行為里占主導導地位呢?或者時間序列列顯示出循環(huán)環(huán)周期性行為為,我們能否利用用過去的這種種行為來外推推它的未來走走向?另一條預測途途徑:通過時間序列列的歷史數(shù)據(jù)據(jù),得出關(guān)于于其過去行為為的有關(guān)結(jié)論論,進而對時時間序列未來來行為進行推推斷。隨機時間序列列分析模型,,就是要通過過序列過去的的變化特征來來預測未來的的變化趨勢。使用時間序列列分析模型的的另一個原因因在于:如果經(jīng)濟理論論正確地闡釋釋了現(xiàn)實經(jīng)濟濟結(jié)構(gòu),則這這一結(jié)構(gòu)可以以寫成類似于于ARMA(p,q)式式的時間序列列分析模型的的形式。例如,對于如下最簡簡單的宏觀經(jīng)經(jīng)濟模型:這里,Ct、It、Yt分別表示消費費、投資與國國民收入。Ct與Yt作為內(nèi)生變量量,它們的運運動是由作為為外生變量的的投資It的運動及隨機機擾動項t的變化決定的的。上述模型可作作變形如下:兩個方程等式式右邊除去第第一項外的剩剩余部分可看看成一個綜合合性的隨機擾擾動項,其特特征依賴于投投資項It的行為。如果It是一個白噪聲聲,則消費序列列Ct就成為一個1階自回歸過過程AR(1),而收入序列列Yt就成為一個(1,1)階階的自回歸移移動平均過程程ARMA(1,1)。二、隨機時間間序列模型的的平穩(wěn)性條件件自回歸移動平平均模型(ARMA)是是隨機時間序序列分析模型型的普遍形式式,自回歸模模型(AR))和移動平均均模型(MA)是它的特特殊情況。關(guān)于這幾類模模型的研究,,是時間序列分析析的重點內(nèi)容容:主要包括模型的平穩(wěn)性性分析、模型的識別和模型的估計。1、AR(p)模型的平平穩(wěn)性條件隨機時間序列列模型的平穩(wěn)穩(wěn)性,可通過它所生生成的隨機時時間序列的平平穩(wěn)性來判斷斷。如果一個p階自回歸模型型AR(p)生成的時間間序列是平穩(wěn)穩(wěn)的,就說該該AR(p)模型是平穩(wěn)穩(wěn)的。否則,就說該該AR(p)模型是非平平穩(wěn)的??紤]p階自回回歸模型AR(p)Xt=1Xt-1+2Xt-2+…+pXt-p+t(*)引入滯后算子(lagoperator)L:LXt=Xt-1,L2Xt=Xt-2,…,LpXt=Xt-p(*)式變換換為:(1-1L-2L2-…-pLp)Xt=t記(L)=(1-1L-2L2-…-pLp),則稱多項式方方程:(z)=(1-1z-2z2-…-pzp)=0為AR(p)的特征方程(characteristicequation)??梢宰C明,如如果該特征方方程的所有根根在單位圓外外(根的模大大于1),則則AR(p)模型是平穩(wěn)穩(wěn)的。例9.2.1AR(1)模模型的平穩(wěn)性性條件。對1階自回歸歸模型AR(1)方程兩邊平方方再求數(shù)學期期望,得到Xt的方差::由于Xt僅與t相關(guān),因此,,E(Xt-1t)=0。如果該模型型穩(wěn)定,則有有E(Xt2)=E(Xt-12),從而上式可可變換為:在穩(wěn)定條件下下,該方差是是一非負的常常數(shù),從而有有||<1。而AR(1)的特征方程程:的根為:z=1/AR(1)穩(wěn)穩(wěn)定,即||<1,意意味著特征根根大于1。例9.2.2AR(2)模型的平穩(wěn)性性。對AR(2)模型:方程兩邊同乘乘以Xt,再再取期望得::又由于:于是:同樣地,由原原式還可得到到:于是方差為:由平穩(wěn)性的定定義,該方差差必須是一不不變的正數(shù),,于是有1+2<1,2-1<1,|2|<1這就是AR(2)的平穩(wěn)性條件件,或稱為平穩(wěn)域。它是一頂點分分別為(-2,-1),(2,-1),(0,1)的三角形。對應的特征方方程1-1z-2z2=0的兩個根z1、z2滿足:z1z2=-1/2,z1+z2=-1/2AR(2)模型:解出1,2:由AR(2)的平穩(wěn)性,,|2|=1/|z1||z2|<1,則至少有一一個根的模大大于1,不妨妨設|z1|>1,有:于是|z2|>1。由2-1<1可推出同樣的的結(jié)果。對高階自回模模型AR(p)來說,多數(shù)情況下下沒有必要要直接計算算其特征方方程的特征征根,但有有一些有用的的規(guī)則可用用來檢驗高高階自回歸歸模型的穩(wěn)穩(wěn)定性:(1)AR(p)模型穩(wěn)定的的必要條件件是:1+2++p<1(2)由于i(i=1,2,p)可正可可負,AR(p)模型穩(wěn)定的的充分條件件是:|1|+|2|++|p|<1對于移動平平均模型MR(q):Xt=t-1t-1-2t-2--qt-q其中t是一個白噪噪聲,于是是:2、MA(q)模型的平穩(wěn)穩(wěn)性當滯后期大大于q時,Xt的的自協(xié)方差差系數(shù)為0。因此:有限階移動動平均模型型總是平穩(wěn)穩(wěn)的。由于ARMA(p,q)模型是AR(p)模型與MA(q)模型的組合合:Xt=1Xt-1+2Xt-2+…+pXt-p+t-1t-1-2t-2--qt-q3、ARMA(p,q)模型的平穩(wěn)穩(wěn)性而MA(q)模型總是平平穩(wěn)的,因因此ARMA(p,q)模型的平穩(wěn)穩(wěn)性取決于于AR(p)部分的平穩(wěn)穩(wěn)性。當AR(p)部分平穩(wěn)時時,則該ARMA(p,q)模型是平穩(wěn)穩(wěn)的,否則則,不是平平穩(wěn)的。4、總結(jié)(1)一個平平穩(wěn)的時間間序列總可可以找到生生成它的平平穩(wěn)的隨機機過程或模模型;(2)一個個非平穩(wěn)的的隨機時間間序列通常??梢酝ㄟ^過差分的方方法將它變變換為平穩(wěn)穩(wěn)的,對差差分后平穩(wěn)穩(wěn)的時間序序列也可找找出對應的的平穩(wěn)隨機機過程或模模型。因此,如果我們將將一個非平平穩(wěn)時間序序列通過d次差分,,將它變?yōu)闉槠椒€(wěn)的,,然后用一一個平穩(wěn)的的ARMA(p,q)模型作作為它的生生成模型,,則我們就就說該原始始時間序列列是一個自回歸單整整移動平均均(autoregressiveintegratedmovingaverage)時間間序列,記記為ARIMA(p,d,q)。例如,一個ARIMA(2,1,2)時間序序列在它成成為平穩(wěn)序序列之前先先得差分一一次,然后后用一個ARMA(2,2)模型作為為它的生成成模型的。。當然,一個ARIMA(p,0,0)過程表表示了一個個純AR(p)平穩(wěn)穩(wěn)過程;一一個ARIMA(0,0,q)表示一一個純MA(q)平平穩(wěn)過程。。三、隨機時時間序列模模型的識別別所謂隨機時時間序列模模型的識別別,就是對于一一個平穩(wěn)的的隨機時間間序列,找找出生成它它的合適的的隨機過程程或模型,即判斷該該時間序列列是遵循一一純AR過過程、還是是遵循一純純MA過程程或ARMA過程。。所使用的工工具主要是時間序列的的自相關(guān)函數(shù)數(shù)(autocorrelationfunction,ACF)及偏自相關(guān)函函數(shù)(partialautocorrelationfunction,PACF)。1、AR(p)過程程(1)自相相關(guān)函數(shù)ACF1階自回歸歸模型AR(1)::Xt=Xt-1+t的k階滯后自協(xié)方差為:=1,2,…因此,AR(1)模型的自相關(guān)函數(shù)數(shù)為:=1,2,…由AR(1)的穩(wěn)定性知知||<1,因此,k時,呈指數(shù)數(shù)形衰減,,直到零。這種現(xiàn)象稱稱為拖尾或稱AR(1)有無窮記憶憶(infinitememory)。注意,<0時,呈振蕩蕩衰減狀。Xt=1Xt-1+2Xt-2+t該模型的方方差0以及滯后1期與2期的自協(xié)方方差1,2分別為:2階自回歸歸模型AR(2)類似地,可可寫出一般般的k期滯后自協(xié)協(xié)方差:(K=2,3,…)于是,AR(2)的k階自相關(guān)函函數(shù)為:(K=2,3,…)其中:1=1/(1-2),0=1如果AR(2)穩(wěn)定,則則由1+2<1知|k|衰減趨于零零,呈拖尾狀狀。至于衰減的形形式,要看AR(2)特特征根的實虛虛性,若為實根,則則呈單調(diào)或振振蕩型衰減,,若為虛根,,則呈正弦波波型衰減。一般地,p階自回歸模型型AR(p)::Xt=1Xt-1+2Xt-2+…pXt-p+tk期滯后協(xié)方差差為:從而有自相關(guān)函數(shù):可見,無論k有多大大,k的計算均與其其1到p階滯滯后的自相關(guān)關(guān)函數(shù)有關(guān),因此呈拖尾狀。如果AR(p)是穩(wěn)定的的,則|k|遞減且趨于于零。事實上,自相相關(guān)函數(shù):是一p階差分分方程,其通通解為:其中:1/zi是AR(p)特征方程(z)=0的的特征根,由由AR(p)平穩(wěn)的條件件知,|zi|<1;因此,當1/zi均為實數(shù)根時時,k呈幾何型衰減減(單調(diào)或振振蕩);當存在虛數(shù)根根時,則一對對共扼復根構(gòu)構(gòu)成通解中的的一個阻尼正正弦波項,k呈正弦波衰減減。(2)偏自相相關(guān)函數(shù)自相關(guān)函數(shù)ACF(k)給出了Xt與Xt-1的總體相關(guān)性性,但總體相相關(guān)性可能掩掩蓋了變量間間完全不同的的隱含關(guān)系。。例如,在AR(1)隨機過程中,,Xt與Xt-2間有相關(guān)性可可能主要是由由于它們各自自與Xt-1間的相關(guān)性帶帶來的:即自相關(guān)函數(shù)數(shù)中包含了這這種所有的““間接”相關(guān)關(guān)。與之相反,Xt與Xt-k間的偏自相關(guān)函數(shù)數(shù)(partialautocorrelation,,簡記為PACF)則是消除了中中間變量Xt-1,…,Xt-k+1帶來的間接相相關(guān)后的直接接相關(guān)性,它它是在已知序序列值Xt-1,…,Xt-k+1的條件下,Xt與Xt-k間關(guān)系的度量量。從Xt中去掉掉Xt-1的的影響,則只只剩下隨機擾擾動項t,顯然它與與Xt-2無無關(guān),因此我我們說Xt與與Xt-2的的偏自相關(guān)系系數(shù)為零,記為:在AR(1)中,同樣地,在AR(p)過程中,對所有的k>p,Xt與Xt-k間的偏自相關(guān)系數(shù)數(shù)為零。AR(p)的的一個主要特特征是:k>p時,k*=Corr(Xt,Xt-k)=0即k*在p以后是截尾的的。一隨機時間序序列的識別原原則:若Xt的偏自相關(guān)函函數(shù)在p以后截尾,即即k>p時,k*=0,而它的的自相關(guān)函數(shù)數(shù)k是拖尾的,則則此序列是自自回歸AR(p)序列。。在實際識別時時,由于樣本本偏自相關(guān)函函數(shù)rk*是總體偏自相相關(guān)函數(shù)k*的一個估計,,由于樣本的的隨機性,當當k>p時,rk*不會全為0,而是在0的上下波動。。但可以證明明,當k>p時,rk*服從如下漸近近正態(tài)分布:rk*~N(0,1/n)式中n表示樣本容量量。需指出的是,我們就有95.5%的把握判斷原原時間序列在在p之后截尾。因此,如果計計算的rk*滿足:對MA(1)過程:2、MA(q)過過程可容易地寫出出它的自協(xié)方差系數(shù)數(shù):于是,MA(1)過程的的自相關(guān)函數(shù)為:可見,當k>1時,,k>0,即Xt與Xt-k不相關(guān),,MA(1)自相關(guān)函數(shù)數(shù)是截尾的。。MA(1)過過程可以等價價地寫成t關(guān)于無窮序序列Xt,Xt-1,……的線性組合合的形式:或:(*)(*)是一個AR()過程,它的的偏自相關(guān)函函數(shù)非截尾但但卻趨于零,,因此MA(1)的的偏自相關(guān)函函數(shù)是非截尾尾但卻趨于零零的。注意:(*)式只有當||<1時才有意義,,否則意味著著距Xt越遠遠的X值,對Xt的的影響越大,,顯然不符合合常理。因此,我們把||<1稱為MA(1)的可逆性性條件(invertibilitycondition)或可逆逆域。其自協(xié)方差系數(shù)數(shù)為:一般地,q階移動平均過過程MA(q)相應的自相關(guān)函數(shù)為:可見,當k>q時,Xt與Xt-k不相關(guān),即存存在截尾現(xiàn)象象,因此,當k>q時,,k=0是MA(q)的一個個特征。于是:可以根據(jù)自相相關(guān)系數(shù)是否否從某一點開開始一直為0來判斷MA(q)模型型的階。與MA(1)相仿,可以以驗證MA(q)過程的的偏自相關(guān)函函數(shù)是非截尾尾但趨于零的的。MA(q)模型的識別規(guī)規(guī)則:若隨機序列的的自相關(guān)函數(shù)數(shù)截尾,即自自q以后,k=0(k>q);而它它的偏自相關(guān)關(guān)函數(shù)是拖尾尾的,則此序序列是滑動平平均MA(q)序列。同樣需要注意意的是:在實際識別別時,由于于樣本自相相關(guān)函數(shù)rk是總體自相相關(guān)函數(shù)k的一個估計計,由于樣樣本的隨機機性,當k>q時,rk不會全為0,而是在0的上下波動動。但可以以證明,當當k>q時,rk服從如下漸漸近正態(tài)分分布:rk~N(0,1/n)式中n表示示樣本容量量。因此,如果計算的的rk滿足:我們就有95.5%的把把握判斷原原時間序列列在q之后截尾。ARMA(p,q)的自相關(guān)函函數(shù),可以看作MA(q)的自相關(guān)函函數(shù)和AR(p)的自相關(guān)函函數(shù)的混合合物。當p=0時,它具有有截尾性質(zhì)質(zhì);當q=0時,它具有有拖尾性質(zhì)質(zhì);當p、q都不為0時,它具有有拖尾性質(zhì)質(zhì)3、ARMA(p,q)過過程從識別上看看,通常::ARMA(p,q)過程的偏偏自相關(guān)函函數(shù)(PACF)可能在p階階滯后前有有幾項明顯顯的尖柱((spikes),,但從p階階滯后項開開始逐漸趨趨向于零;;而它的自相關(guān)關(guān)函數(shù)(ACF)則是在q階階滯后前有有幾項明顯顯的尖柱,,從q階滯滯后項開始始逐漸趨向向于零。四、隨機時時間序列模模型的估計計AR(p)、MA(q)、ARMA(p,q)模型的估估計方法較較多,大體上分為為3類:(1)最小小二乘估計計;(2)矩估估計;(3)利用用自相關(guān)函函數(shù)的直接接估計。下面有選擇擇地加以介介紹。結(jié)構(gòu)階數(shù)模型識別確定估計參數(shù)⒈AR(p)模型型的YuleWalker方程估計計在AR(p)模型的識別別中,曾得得到:利用k=-k,得到如下下方程組:此方程組被被稱為YuleWalker方程組。該方程組建建立了AR(p)模模型的模型型參數(shù)1,2,,p與自相關(guān)函函數(shù)1,2,,p的關(guān)系,利用實際時時間序列提提供的信息息,首先求求得自相關(guān)關(guān)函數(shù)的估估計值:然后利用YuleWalker方程組,,求解模型型參數(shù)的估估計值:由于:于是,從而可得2的估計值在具體計算算時,可用樣本自自相關(guān)函數(shù)數(shù)rk替代。⒉MA(q)模型型的矩估計計將MA(q)模型的自協(xié)協(xié)方差函數(shù)數(shù)中的各個個量用估計計量代替,,得到:(*)首先求得自協(xié)方方差函數(shù)的的估計值,,(*)是一個包含含(q+1)個待估參數(shù)數(shù)的非線性方方程組,可可以用直接法或迭代法求解。常用的迭代代方法有線性迭代法法和Newton-Raphsan迭代法法。(1)MA(1)模模型的直接接算法對于MA(1)模型型,(*))式相應地地寫成:于是:或:有:于是有解::由于參數(shù)估估計有兩組組解,可根根據(jù)可逆性性條件|1|<1來判斷選取取一組。(2)MA(q)模模型的迭代代算法對于q>1的MA(q)模型型,一般用用迭代算法法估計參數(shù)數(shù):由(*)式式得(**)第一步,給出的一組初值值,比如,代入(**)式,計算算出第一次次迭代值,第二步,將第一次次迭代值代代入(**)式,計算算出第二次次迭代值按此反復迭迭代下去,,直到第m步的迭代值值與第m-1步的迭代值值相差不大大時(滿足足一定的精精度),便便停止迭代代,并用第第m步的迭代結(jié)結(jié)果作為((**)的近似解解。⒊ARMA(p,q)模型型的矩估計計在ARMA(p,q)中共有有(p+q+1)個個待估參數(shù)數(shù)1,2,,p與1,2,,q以及2,其估計量計計算步驟及及公式如下下:第一步,估計1,2,,p是總體自相相關(guān)函數(shù)的的估計值,,可用樣本本自相關(guān)函函數(shù)rk代代替。第二步,改寫模型,,求1,2,,q以及2的估計值將模型:改寫為:令,于是(*)可以寫成:(*)構(gòu)成一個MA模型。按照照估計MA模型參數(shù)的的方法,可可以得到1,2,,q以及2的估計值。。⒋AR(p)的最最小二乘估估計假設模型AR(p)的參數(shù)估計計值已經(jīng)得得到,即有有,殘差的平方方和為:(*)根據(jù)最小二二乘原理,,所要求的的參數(shù)估計計值是下列列方程組的的解:即,j=1,2,…,p(**)解該方程組組,就可得得到待估參參數(shù)的估計計值。為了與AR(p)模型的YuleWalker方程估計進進行比較,,將(**)改寫成:j=1,2,…,p由自協(xié)方差差函數(shù)的定定義,并用用自協(xié)方差差函數(shù)的估估計值。代入,上式式表示的方方程組即為為:或
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025教師聘用合同模板
- 2024年離婚雙方無房產(chǎn)分割合同范本版B版
- 2024版施工合同的模板
- 2025標準機器買賣合同范本
- 2025年度煙草原料進口與加工合同3篇
- 2025年度消防設施運行維護與安全保障分包合同協(xié)議書3篇
- 二零二五年度企業(yè)宿舍宿管員勞動合同規(guī)范范本3篇
- 《NDA(2025版)-汽車行業(yè)技術(shù)保密合同》2篇
- 2025技術(shù)專利實施許可轉(zhuǎn)讓的合同
- 二零二五年度企業(yè)向個人借款合同終止協(xié)議3篇
- 非固化橡膠瀝青防水涂料技術(shù)交底
- 高二期末考試動員主題班會
- 易錯題(試題)-2024一年級上冊數(shù)學北師大版含答案
- 滕州市九年級上學期期末語文試題(原卷版+解析版)
- EPC項目投標人承包人工程經(jīng)濟的合理性分析、評價
- 三相三線計量裝置運行狀態(tài)評估與錯接線排障、反竊電現(xiàn)場處置技巧
- 房建工程監(jiān)理大綱范本(內(nèi)容全面)
- JB-T9092-1999閥門的檢驗與試驗
- 社區(qū)電動車棚新(擴)建及修建充電車棚施工方案(純方案-)
- 鈑金行業(yè)的年度計劃
- 代謝性腦病教學查房
評論
0/150
提交評論