時間序列模型初步設(shè)計方案

第六講時間序列模型初步時間序列模型例子有限樣本條件下普通最小二乘預(yù)計大樣本條件下普通最小二乘預(yù)計時間序列平穩(wěn)性檢驗1時間序列模型初步設(shè)計方案第1頁時間序列模型例子計量經(jīng)濟(jì)學(xué)中數(shù)據(jù)類型時間序列數(shù)據(jù)（timeseriesdata）橫截面數(shù)據(jù)（cross-sectionaldata）混合數(shù)據(jù)（pooleddata）平面板數(shù)據(jù)/綜列數(shù)據(jù)（paneldata）一個時間序列數(shù)據(jù)能夠視為它所對應(yīng)隨機(jī)變量或隨機(jī)過程（stochasticprocess）一個實現(xiàn)（realization）2時間序列模型初步設(shè)計方案第2頁時間序列模型例子時間序列數(shù)據(jù)3時間序列模型初步設(shè)計方案第3頁時間序列模型例子時間序列數(shù)據(jù)4時間序列模型初步設(shè)計方案第4頁時間序列模型例子時間序列數(shù)據(jù)5時間序列模型初步設(shè)計方案第5頁時間序列模型例子兩類時間序列模型靜態(tài)模型（Staticmodel）有限分布滯后模型（finitedistributedlagmodel）6時間序列模型初步設(shè)計方案第6頁有限樣本條件下普通最小二乘預(yù)計經(jīng)典線性正態(tài)假定7時間序列模型初步設(shè)計方案第7頁有限樣本條件下普通最小二乘預(yù)計經(jīng)典線性正態(tài)假定：深入說明與橫截面模型假定相比，時間序列模型放寬了關(guān)于解釋變量不是隨機(jī)變量假定同期外生與嚴(yán)格外生嚴(yán)格外生意味著誤差項與任何時刻解釋變量都不相關(guān)，也就是說，解釋變量對被解釋變量沒有滯后影響，而且被解釋變量也對解釋變量沒有滯后影響8時間序列模型初步設(shè)計方案第8頁有限樣本條件下普通最小二乘預(yù)計經(jīng)典線性正態(tài)假定下普通最小二乘預(yù)計假如滿足假定1-3，回歸系數(shù)OLS預(yù)計量是無偏假如滿足假定1-5，回歸系數(shù)OLS預(yù)計量方差預(yù)計是無偏，而且OLS預(yù)計量是最優(yōu)線性無偏預(yù)計量假如滿足假定1-6，模型t檢驗和F檢驗是有效在大多數(shù)情況下，時間序列極難滿足經(jīng)典線性正態(tài)模型假定，尤其是誤差項條件均值為0、無序列相關(guān)以及正態(tài)性假定。所以，就需要用大樣原來做漸進(jìn)處理9時間序列模型初步設(shè)計方案第9頁大樣本條件下普通最小二乘預(yù)計平穩(wěn)過程平穩(wěn)隨機(jī)過程（stationarystochasticprocess）平穩(wěn)性用于描述時間序列跨時期穩(wěn)定性，即序列行為不隨時間發(fā)生改變上述定義也被稱為嚴(yán)格平穩(wěn)10時間序列模型初步設(shè)計方案第10頁大樣本條件下普通最小二乘預(yù)計平穩(wěn)過程協(xié)方差平穩(wěn)過程（covariancestationaryprocess）協(xié)方差平穩(wěn)要求低于嚴(yán)格平穩(wěn)，但普通情況下只要滿足前者就稱該時間序列是平穩(wěn)11時間序列模型初步設(shè)計方案第11頁大樣本條件下普通最小二乘預(yù)計弱相依（weaklydependent）弱相依表明伴隨時間距離h拉大，隨機(jī)變量Xt和Xt+h相關(guān)性趨近于0。而平穩(wěn)性表明這種漸近不相關(guān)性與起點t無關(guān)假如時間序列是平穩(wěn)、弱相依，就能夠利用大數(shù)定理和中心極限定理來證實OLS合理性12時間序列模型初步設(shè)計方案第12頁大樣本條件下普通最小二乘預(yù)計自回歸過程（autoregressiveprocess,AR）13時間序列模型初步設(shè)計方案第13頁大樣本條件下普通最小二乘預(yù)計移動平均過程（movingaverageprocess,MA）14時間序列模型初步設(shè)計方案第14頁大樣本條件下普通最小二乘預(yù)計自回歸移動平均過程（ARMA）15時間序列模型初步設(shè)計方案第15頁大樣本條件下普通最小二乘預(yù)計大樣本條件下假定這些假定比有限樣本下假定弱得多16時間序列模型初步設(shè)計方案第16頁大樣本條件下普通最小二乘預(yù)計大樣本條件下普通最小二乘預(yù)計假如滿足假定1-3，回歸系數(shù)OLS預(yù)計量是一致假如滿足假定1-5，回歸系數(shù)OLS預(yù)計量是漸近正態(tài)分布，模型t檢驗和F檢驗是漸近有效17時間序列模型初步設(shè)計方案第17頁時間序列平穩(wěn)性檢驗有趨勢時間序列線性趨勢指數(shù)趨勢tt18時間序列模型初步設(shè)計方案第18頁時間序列平穩(wěn)性檢驗偽回歸（spuriousregression）假如時間序列是有趨勢，那么一定是非平穩(wěn)，從而采取OLS預(yù)計t檢驗和F檢驗就是無效。兩個含有相同趨勢時間序列即便毫無關(guān)系，在回歸時也可能得到很高顯著性和復(fù)判定系數(shù)出現(xiàn)偽回歸時，一個處理方法是加入趨勢變量，另一個方法是把非平穩(wěn)序列平穩(wěn)化下面問題是：怎樣知道一個時間序列是否平穩(wěn)？19時間序列模型初步設(shè)計方案第19頁時間序列平穩(wěn)性檢驗平穩(wěn)性檢驗方法依據(jù)序列時間路徑圖和樣本相關(guān)圖判斷單位根檢驗20時間序列模型初步設(shè)計方案第20頁時間序列平穩(wěn)性檢驗單位根檢驗（unitroottest）21時間序列模型初步設(shè)計方案第21頁