时间序列计量经济学模型理论与方法.ppt

该【时间序列计量经济学模型理论与方法 】是由【相惜】上传分享，文档一共【61】页，该文档可以免费在线阅读，需要了解更多关于【时间序列计量经济学模型理论与方法 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第九章时间序列计量经济学模型的理论与方法第一节时间序列的平稳性及其检验第二节随机时间序列模型的识别和估计第三节协整分析与误差修正模型整理ppt§、问题的引出:非平稳变量与经典回归模型二、时间序列数据的平稳性三、平稳性的图示判断四、平稳性的单位根检验五、单整、趋势平稳与差分平稳随机过程整理ppt一、问题的引出:非平稳变量与经典回归模型整理ppt⒈常见的数据类型到目前为止,经典计量经济模型常用到的数据有:时间序列数据〔time-seriesdata);截面数据(cross-sectionaldata)平行/面板数据〔paneldata/time-seriescross-sectiondata)★时间序列数据是最常见,也是最常用到的数据。整理ppt⒉经典回归模型与数据的平稳性经典回归分析暗含着一个重要假设:数据是平稳的。数据非平稳,大样本下的统计推断根底——“一致性〞要求——被破怀。经典回归分析的假设之一:解释变量X是非随机变量放宽该假设:X是随机变量,那么需进一步要求:(1)X与随机扰动项?不相关∶Cov(X,?)=0依概率收敛:(2)整理ppt第〔2〕条是为了满足统计推断中大样本下的“一致性〞特性:第〔1〕条是OLS估计的需要▲如果X是非平稳数据〔如表现出向上的趋势〕,那么〔2〕不成立,回归估计量不满足“一致性〞,基于大样本的统计推断也就遇到麻烦。因此:注意:在双变量模型中:整理ppt表现在:两个本来没有任何因果关系的变量,却有很高的相关性〔有较高的R2):例如:如果有两列时间序列数据表现出一致的变化趋势〔非平稳的〕,即使它们没有任何有意义的关系,但进行回归也可表现出较高的可决系数。在现实经济生活中:情况往往是实际的时间序列数据是非平稳的,而且主要的经济变量如消费、收入、价格往往表现为一致的上升或下降。这样,仍然通过经典的因果关系模型进行分析,一般不会得到有意义的结果。⒊数据非平稳,往往导致出现“虚假回归〞问题整理ppt时间序列分析模型方法就是在这样的情况下,以通过揭示时间序列自身的变化规律为主线而开展起来的全新的计量经济学方法论。时间序列分析已组成现代计量经济学的重要内容,并广泛应用于经济分析与预测当中。整理ppt二、时间序列数据的平稳性整理ppt时间序列分析中首先遇到的问题是关于时间序列数据的平稳性问题。假定某个时间序列是由某一随机过程〔stochasticprocess〕生成的,即假定时间序列{Xt}〔t=1,2,…〕的每一个数值都是从一个概率分布中随机得到,如果满足以下条件:1〕均值E(Xt)=?是与时间t无关的常数;2〕方差Var(Xt)=?2是与时间t无关的常数;3〕协方差Cov(Xt,Xt+k)=?k是只与时期间隔k有关,与时间t无关的常数;那么称该随机时间序列是平稳的〔stationary),而该随机过程是一平稳随机过程〔stationarystochasticprocess〕。整理ppt