第十章(时间序列计量经济模型)..ppt

计量经济学
Econometrics
2014-2015-1
任课教师: 范国斌
第十章时间序列计量模型
引言
传统的计量经济分析以经济理论为基础,通过建立理论和计量模型,利用样本数据估计模型,然后据此进行结构分析和预测。
但是,由于社会经济现象往往受许多因素的影响,并且这些因素又保持着错综复杂的联系,因此,运用结构式的模型进行分析和预测往往比较困难
在这种情况下,“让数据自己说话”的建模思想越来越引起人们的重视,时间序列分析就属于这种学派的一个分支。
引言
时间序列分析方法由Box-Jenkins (1976) 提出
时间序列分析是一个分析动态数据、揭示数据规律的计量经济学分支
依据经济变量自身的历史资料,采用一定的统计方法,建立起能反映变量自身规律性的动态模型,以此对经济变量进行分析和预测
将时间序列分析方法与经典计量经济学分析方法相结合研究经济、金融问题,已成为计量经济学新的发展方向
引子:是真回归还是伪回归?
经典回归分析的做法是:
首先采用普通最小二乘法(OLS)对回归模型进行估计,然后根据可决系数或F检验统计量值的大小来判定变量之间的相依程度,根据回归系数估计值的t统计量对系数的显著性进行判断,最后在回归系数显著不为零的基础上对回归系数估计值给予经济解释。
为了分析某国的个人可支配总收入与个人消费总支出的关系,用OLS法作关于的线性回归,得到如下结果:
从回归结果来看, 非常高,个人可支配总收入的回归系数t统计量也非常大,边际消费倾向符合经济假设。凭借经验判断,这个模型的设定是好的,应是非常满意的结果。准备将这个计量结果用于经济结构分析和经济预测。
可是有人提出,这个回归结果可能是虚假的!可能只不过是一种“伪回归”!
“要千万小心!”
这里用时间序列数据进行的回归,究竟是真回归还是伪回归呢?为什么模型、样本、数据、检验结果都很理想,却可能得到“伪回归”的结果呢?
时间序列数据被广泛地运用于计量经济研究。经典时间序列分析和回归分析有许多假定前提,如序列的平稳性、正态性等。直接将经济变量的时间序列数据用于建模分析,实际上隐含了上述假定,在这些假定成立的条件下,据此而进行的t检验、F检验等才具有较高的可靠度。
越来越多的经验证据表明,经济分析中所涉及的大多数时间序列是非平稳的。
问题:
●如果直接将非平稳时间序列当作平稳时间序列来进行分析,会造成什么不良后果;
●如何判断一个时间序列是否为平稳序列;
●当我们在计量经济分析中涉及到非平稳时间序列时,应作如何处理?
第十章时间序列计量经济模型
本章主要讨论:
时间序列的基本概念
时间序列平稳性的单位根检验
协整