格兰杰因果关系检验.pptx

§ 格兰杰因果关系检验
一、时间序列自回归模型
二、时间序列向量自回归模型
三、格兰杰因果关系检验
一、时间序列自回归模型
随机时间序列模型
两类时间序列模型
时间序列结构模型：通过协整分析，建立反映不同时间序列之间结构关系的模型，揭示了不同时间序列在每个时点上都存在的结构关系。
随机时间序列模型：揭示时间序列不同时点观测值之间的关系，也称为无条件预测模型。
随机性时间序列模型包括：AR(p)、MA(q)、ARMA(p,q)。
随机性时间序列模型并不属于现代计量经济学。
随机时间序列模型的适用性
用于无条件预测
结构模型用于预测的条件：建立正确的结构模型，给定外生变量的预测值。
无条件预测模型的优点。
结构模型的简化形式
结构模型经常可以通过约化和简化，变换为随机时间序列模型。
时间序列自回归模型
自回归模型是指仅用它的过去值及随机扰动项所建立起来的模型。其一般形式为
1阶自回归模型AR(1)
模型取线性形式
时序变量取1阶滞后期
随机扰动项为白噪声
p阶自回归模型AR(p)
模型取线性形式
时序变量取p阶滞后期
随机扰动项为白噪声
自回归移动平均模型ARMA(p,q)
模型取线性形式
时序变量取p阶滞后期
随机扰动项为一个q阶的移动平均过程
AR(p)模型的平稳性条件
随机时间序列模型的平稳性，可通过它所生成的随机时间序列的平稳性来判断。
如果一个p阶自回归模型AR(p)生成的时间序列是平稳的，就说该AR(p)模型是平稳的； 否则，就说该AR(p)模型是非平稳的。
考虑p阶自回归模型AR(p)
AR(p)的特征方程
可以证明，如果该特征方程的所有根在单位圆外（根的模大于1），则AR(p)模型是平稳的。