时间序列模型?动态因果效应的测定?经济预测时间序列模型?1、时间序列模型的基本概念?2、平稳时间序列?非平稳时间序列?时间序列模型(非)平稳性的检验?时间序列模型的识别??时间序列模型(time series modeling):?用变量的过去值及随机扰动项所建立起来的模型?其一般形式为 Yt=F(Yt-1, Yt-2, …,Xt-1, Xt-2, …, ut)?建立具体的时间序列模型,需解决如下三个问题:? (1)模型的具体形式? (2)时序变量的滞后期? (3)随机扰动项的结构?例如, 1阶自回归过程AR(1):?Yt=?Yt-1+ut? ut为白噪声。?时间序列模型的分类?(1)自回归过程( autoregressive )? Yt=?1Yt-1+ ?2Yt-2 + …+ ?pYt-p + ut? ut为白噪声过程?AR(p) :p阶自回归过程(2)移动平均过程(moving average)Yt =ut + ?1ut-1 + ?2ut-2 + ?+ ?qut-q ut为白噪声过程MA(q) :q阶移动平均过程?(3)自回归移动平均过程?(autoregressive moving average)--ARMA(p,q) Yt=?1Yt-1+ ?2Yt-2 + …+ ?pYt-p + ut + ?1ut-1 + ?2ut-2 +? +?qut-q该序列可以由其自身的过去或滞后值以及随机扰动项来解释。若要通过该序列过去的行为来预测未来,要求该序列是平稳的其行为不会随着时间的推移而变化?假定一时间序列{Yt}(t=1, 2, …)的概率分布不随时间的变化而变化,即(Yt1 , Yt2 , …, Ytm)的联合分布与(Yt1+h , Yt2+h , …, Ytm+h)的联合分布相同,不依赖于h,它就是平稳的。??弱平稳性:?假定一时间序列{Yt}(t=1, 2, …)从一个概率分布中随机得到,如果满足下列条件:? 1)均值E(Yt)=?是与时间t 无关的常数;? 2)方差Var(Yt)=?2是与时间t 无关的常数;? 3)协方差Cov(Yt,Yt+h)=?h 只与时期间隔h有关,与时间t 无关;?则称该随机时间序列是协方差平稳。??渐近高斯-马尔可夫假定?(1)X、Y序列平稳;弱相关。?(2)不存在完全多重共线性?(3)ut 具零条件期望值?(4)同方差?(5)无序列相关?则OLS估计量是渐近正态分布的,且通常的OLS标准误、t统计量、F统计量、LM统计量渐近有效。时间序列模型的基本假定?零假设:某变量对Y没有预测意义?即:检验某变量的所有系数均为0? Yt= ?0 + ?1Yt-1+ ?2Yt-2 + …+ ?pYt-p ? + ?1Xt-1 + ?2Xt-2 +? +?qXt-q + ut ?双向检验? X是Y的Granger 原因……?四种结论格兰杰因果关系检验Granger causality test?investment信息处理设备上的投资?sales销售额(总制造业和贸易)?interest利率?检验investment与sales之间的双向因果关系?检验investment与interest之间的双向因果关系
时间序列-2008 来自淘豆网www.taodocs.com转载请标明出处.