计量经济学:9.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《计量经济学:9.ppt》由用户(金钥匙文档)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 计量 经济学
- 资源描述:
-
1、第九章第九章 时间序列计量经济学模型的理论与方法时间序列计量经济学模型的理论与方法 第一节第一节 时间序列的平稳性及其检验时间序列的平稳性及其检验 第二节第二节 随机时间序列模型的识别和估计随机时间序列模型的识别和估计 第三节第三节 协整分析与误差修正模型协整分析与误差修正模型 9.1 9.1 时间序列的平稳性及其检验时间序列的平稳性及其检验 一、问题的引出:非平稳变量与经典回归一、问题的引出:非平稳变量与经典回归 模型模型 二、时间序列数据的平稳性二、时间序列数据的平稳性 三、平稳性的图示判断三、平稳性的图示判断 四、平稳性的单位根检验四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机
2、过程五、单整、趋势平稳与差分平稳随机过程 一、问题的引出:非平稳变量与经典一、问题的引出:非平稳变量与经典 回归模型回归模型 常见的数据类型常见的数据类型 到目前为止,经典计量经济模型常用到的数据有:到目前为止,经典计量经济模型常用到的数据有: 时间序列数据时间序列数据(time-series data); 截面数据截面数据(cross-sectional data) 平行平行/面板数据面板数据(panel data/time-series cross-section data) 时间序列数据是最常见,也是最常用到的数据时间序列数据是最常见,也是最常用到的数据。 经典回归模型与数据的平稳性经典
3、回归模型与数据的平稳性 经典回归分析经典回归分析暗含暗含着一个重要着一个重要假设假设:数据是平稳的。数据是平稳的。 数据非平稳数据非平稳,大样本下的统计推断基础,大样本下的统计推断基础“一致一致 性性”要求要求被破怀。被破怀。 经典回归分析的假设之一:解释变量经典回归分析的假设之一:解释变量X是非随机变是非随机变 量量 放宽该假设:放宽该假设:X是随机变量,则需进一步要求:是随机变量,则需进一步要求: (1)X与随机扰动项与随机扰动项 不相关不相关 Cov(X, )=0 nXX i /)( 2 QnXXP i n )/)( 2 lim依概率收敛:依概率收敛: (2) 第(2)条是为了满足统计推
4、断中大样本下的“一致 性”特性: ) ( lim n P nx nux x ux i ii i ii / / 22 QnxP nuxP P i ii n 0 /lim /lim lim 2 第(1)条是OLS估计的需要 如果如果X是非平稳数据是非平稳数据(如表现出向上的趋势),(如表现出向上的趋势), 则(则(2)不成立,回归估计量不满足)不成立,回归估计量不满足“一致性一致性”,基,基 于大样本的统计推断也就遇到麻烦。于大样本的统计推断也就遇到麻烦。 因此: 注意:注意:在双变量模型中:在双变量模型中: 表现在表现在:两个本来没有任何因果关系的变量,却两个本来没有任何因果关系的变量,却 有很
5、高的相关性有很高的相关性(有较高的R2): 例如: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。系模型进行分析,一般不会得到有意义的结果。 数据非平稳,往往导致出现数据非平稳,往往导致出现“虚假回归虚假回归” 问题问题 时间序列分析时间序列分析模型方
6、法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发以通过揭示时间序列自身的变化规律为主线而发 展起来的全新的计量经济学方法论展起来的全新的计量经济学方法论。 时间序列分析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。 二、时间序列数据的平稳性二、时间序列数据的平稳性 时间序列分析中首先遇到的问题首先遇到的问题是关于时间序列 数据的平稳性平稳性问题。 假定某个时间序列是由某一假定某个时间序列是由某一随机过程随机过程(stochastic process)生成的,即假定时间序列)生成的,即假定时间序列Xt(t=1, 2, ) 的每一个数值都是
7、从一个概率分布中随机得到,如果的每一个数值都是从一个概率分布中随机得到,如果 满足下列条件:满足下列条件: 1)均值)均值E(XE(Xt t)=)= 是是与时间与时间t 无关的常数;无关的常数; 2)方差)方差Var(XVar(Xt t)=)= 2 2是是与时间与时间t 无关的常数;无关的常数; 3)协方差)协方差Cov(XCov(Xt t,X,Xt t+k +k)= )= k k 是是只与时期间隔只与时期间隔k有关,有关, 与时间与时间t 无关的常数;无关的常数; 则称该随机时间序列是则称该随机时间序列是平稳的平稳的(stationary),而该,而该 随机过程是一随机过程是一平稳随机过程平
8、稳随机过程(stationary stochastic process)。)。 例例9.1.1一个最简单的随机时间序列是一具有零 均值同方差的独立分布序列: Xt=t , tN(0,2) 例例9.1.2另一个简单的随机时间列序被称为随机随机 游走(游走(random walk),该序列由如下随机过程生成: Xt=Xt-1+t 这里, t是一个白噪声。 该序列常被称为是一个白噪声白噪声(white noise)。 由于Xt具有相同的均值与方差,且协方差为零,由 定义,一个白噪声序列是平稳的一个白噪声序列是平稳的。 为了检验该序列是否具有相同的方差,可假设Xt的 初值为X0,则易知 X1=X0+1
9、 X2=X1+2=X0+1+2 X Xt t=X=X0 0+ +1+2+ +t 由于X0为常数,t是一个白噪声,因此Var(Xt)=t2 即即Xt的方差与时间的方差与时间t t有关而非常数,它是一非平稳序有关而非常数,它是一非平稳序 列。列。 容易知道该序列有相同的均值均值:E(Xt)=E(Xt-1) 然而,对X取一阶差分一阶差分(first difference): Xt=Xt-Xt-1=t 由于t是一个白噪声,则序列Xt是平稳的。 后面将会看到后面将会看到: :如果一个时间序列是非平稳的,如果一个时间序列是非平稳的, 它常常可通过取差分的方法而形成平稳序列它常常可通过取差分的方法而形成平稳
10、序列。 事实上,事实上,随机游走过程随机游走过程是下面我们称之为是下面我们称之为1 1阶自回阶自回 归归AR(1)AR(1)过程过程的特例的特例 X Xt t= = X Xt-1 t-1+ +t 不难验证不难验证:1)| |1|1时,该随机过程生成的时间序列是时,该随机过程生成的时间序列是 发散的,表现为持续上升发散的,表现为持续上升( 1)1)或持续下降或持续下降( -1)-1), 因此是非平稳的;因此是非平稳的; 第二节中将证明第二节中将证明:只有当只有当-1-1 10,样本自相关系数近似地服从以,样本自相关系数近似地服从以0 为均值,为均值,1/n 为方差的正态分布,其中为方差的正态分布
11、,其中n为样本数。为样本数。 也可检验对所有也可检验对所有k0k0,自相关系数都为,自相关系数都为0 0的联合的联合 假设,这可通过如下假设,这可通过如下Q QLB LB统计量进行: 统计量进行: 该统计量近似地服从自由度为m的2分 布(m为滞后长度)。 因此:如果计算的如果计算的Q Q值大于显著性水平值大于显著性水平 为为 的临界值,则有的临界值,则有1-1- 的把握拒绝所有的把握拒绝所有 k k(k0)(k0)同时为同时为0 0的假设。的假设。 例例9.1.3:9.1.3: 表表9.1.19.1.1序列序列Random1Random1是通过是通过 一随机过程(随机函数)生成的有一随机过程(
12、随机函数)生成的有1919个样个样 本的随机时间序列。本的随机时间序列。 m k k LB kn r nnQ 1 2 )2( 表表 9 9. .1 1. .1 1 一一个个纯纯随随机机序序列列与与随随机机游游走走序序列列的的检检验验 序号 Random1 自相关系数 k r(k=0,1,17) LB Q Random2 自相关系数 k r(k=0,1,17) LB Q 1 -0.031 K=0, 1.000 -0.031 1.000 2 0.188 K=1, -0.051 0.059 0.157 0.480 5.116 3 0.108 K=2, -0.393 3.679 0.264 0.018
13、 5.123 4 -0.455 K=3, -0.147 4.216 -0.191 -0.069 5.241 5 -0.426 K=4, 0.280 6.300 -0.616 0.028 5.261 6 0.387 K=5, 0.187 7.297 -0.229 -0.016 5.269 7 -0.156 K=6, -0.363 11.332 -0.385 -0.219 6.745 8 0.204 K=7, -0.148 12.058 -0.181 -0.063 6.876 9 -0.340 K=8, 0.315 15.646 -0.521 0.126 7.454 10 0.157 K=9, 0
14、.194 17.153 -0.364 0.024 7.477 11 0.228 K=10, -0.139 18.010 -0.136 -0.249 10.229 12 -0.315 K=11, -0.297 22.414 -0.451 -0.404 18.389 13 -0.377 K=12, 0.034 22.481 -0.828 -0.284 22.994 14 -0.056 K=13, 0.165 24.288 -0.884 -0.088 23.514 15 0.478 K=14, -0.105 25.162 -0.406 -0.066 23.866 16 0.244 K=15, -0.
15、094 26.036 -0.162 0.037 24.004 17 -0.215 K=16, 0.039 26.240 -0.377 0.105 25.483 18 0.141 K=17, 0.027 26.381 -0.236 0.093 27.198 19 0.236 0.000 容易验证:该样本序列的均值为该样本序列的均值为0 0,方差为,方差为0.07890.0789。 (a) (b) -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 24681012141618 RANDOM1 -0.8 -0.4 0.0 0.4 0.8 1.2 24681012141618 RANDOM
16、1AC 从图形看:它在其样本均值它在其样本均值0 0附近上下波动,且样本自相关附近上下波动,且样本自相关 系数迅速下降到系数迅速下降到0 0,随后在,随后在0 0附近波动且逐渐收敛于附近波动且逐渐收敛于0 0。 由于该序列由一随机过程生成,可以认为不存 在序列相关性,因此该序列为一白噪声。该序列为一白噪声。 根据Bartlett的理论:kN(0,1/19) 因此任一rk(k0)的95%的置信区间都将是 可以看出可以看出: :k0k0时,时,r rk k的值确实落在了该区间内,的值确实落在了该区间内, 因此可以接受因此可以接受 k k( (k0)k0)为为0 0的假设的假设。 同样地,从从Q Q
17、LB LB统计量的计算值看,滞后 统计量的计算值看,滞后1717期期 的计算值为的计算值为26.3826.38,未超过,未超过5%5%显著性水平的临界值显著性水平的临界值 27.5827.58,因此,因此, ,可以接受所有的自相关系数可以接受所有的自相关系数 k k( (k0)k0) 都为都为0 0的假设。的假设。 因此,该随机过程是一个平稳过程。该随机过程是一个平稳过程。 4497. 0 ,4497. 019/196. 1 ,19/196. 1, 025. 0025. 0 ZZ 序列Random2是由一随机游走过程 Xt=Xt-1+t 生成的一随机游走时间序列样本。 其中,第0项取值为0,
18、t是由Random1表示的白噪声。 (a) (b) -1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 24681012141618 RANDOM2 -0.8 -0.4 0.0 0.4 0.8 1.2 24681012141618 RANDOM2AC 样本自相关系数显示样本自相关系数显示:r1=0.48,落在 了区间-0.4497, 0.4497之外,因此在5% 的显著性水平上拒绝1的真值为0的假设。 该随机游走序列是非平稳的。该随机游走序列是非平稳的。 图形表示出:图形表示出:该序列具有相同的均值, 但从样本自相关图看,虽然自相关系数迅速 下降到0,但随着时间的推移,则
19、在0附近波 动且呈发散趋势。 例例 9.1.9.1.4 4 检验中国支出法 GDP 时间序列的平稳性。 表表 9.1.2 9.1.2 1978200019782000 年中国支出法年中国支出法 GDPGDP(单位:亿元)(单位:亿元) 年份 GDP 年份 GDP 年份 GDP 19783605.6198610132.8199446690.7 19794073.9198711784199558510.5 19804551.3198814704199668330.4 19814901.4198916466199774894.2 19825489.2199018319.5199879003.3 19
20、836076.3199121280.4199982673.1 19847164.4199225863.6200089112.5 19858792.1199334500.6 图形:表现出了一个持续上升的过程图形:表现出了一个持续上升的过程,可,可 初步判断初步判断是非平稳是非平稳的。的。 样本自相关系数:缓慢下降样本自相关系数:缓慢下降,再次表明它,再次表明它 的的非平稳非平稳性。性。 图图 9 9. .1 1. .5 5 1 19 97 78 82 20 00 00 0 年年中中国国 G GD DP P 时时间间序序列列及及其其样样本本自自相相关关图图 -0.4 -0.2 0.0 0.2 0.
21、4 0.6 0.8 1.0 1.2 246810121416182022 GDPACF 0 20000 40000 60000 80000 100000 788082848688909294969800 GDP 拒绝:拒绝:该时间序列的自相关系数在滞后1 期之后的值全部为0的假设。 结论结论: 19782000年间中国GDP时间序列是非平稳 序列。 从滞后从滞后18期的期的QLB统计量看:统计量看: QLB(18)=57.1828.86=20.05 例例9.1.59.1.5 检验2.10中关于人均居民消费与 人均国内生产总值这两时间序列的平稳性。 图图 9.1.6 19811996中中国国居居
22、民民人人均均消消费费与与人人均均 GDP 时时间间序序列列及及其其样样本本自自相相关关图图 0 1000 2000 3000 4000 5000 6000 8284868890929496 GDPPCCPC -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2 12345678910 11 12 13 14 15 GDPPCCPC 原图 样本自相关图 从图形上看:从图形上看:人均居民消费(CPC)与人均国 内生产总值(GDPPC)是非平稳的是非平稳的。 从滞后从滞后1414期的期的QLB统计量看:统计量看: CPC与GDPPC序列的统计量计算值均为57.18, 超过了显著
23、性水平为5%时的临界值23.68。再次 表明它们的非平稳性。表明它们的非平稳性。 就此来说,运用传统的回归方法建立它们的就此来说,运用传统的回归方法建立它们的 回归方程是无实际意义的。回归方程是无实际意义的。 不过,第三节中将看到,如果两个非平稳时不过,第三节中将看到,如果两个非平稳时 间序列是间序列是协整协整的,则传统的回归结果却是有意义的,则传统的回归结果却是有意义 的,而这两时间序列恰是的,而这两时间序列恰是协整协整的。的。 四、平稳性的单位根检验四、平稳性的单位根检验 对时间序列的平稳性除了通过图形直观判断外, 运用统计量进行统计检验则是更为准确与重要的。 单位根检验(单位根检验(un
24、it root test)是统计检验中普遍 应用的一种检验方法。 1 1、DFDF检验检验 我们已知道,随机游走序列 Xt=Xt-1+t 是非平稳的,其中t是白噪声。 而该序列可看成是随机模型 Xt=Xt-1+t 中参数=1时的情形。 也就是说,我们对式 Xt=Xt-1+t (*) 做回归,如果确实发现=1,就说随机变量Xt有 一个单位根单位根。 (*)式可变形式成差分形式: Xt=(1-)Xt-1+ t =Xt-1+ t (*) 检验(*)式是否存在单位根=1,也可通过 (*)式判断是否有 =0。 一般地一般地: : 检验一个时间序列检验一个时间序列XtXt的平稳性,可通过检验的平稳性,可通
展开阅读全文