时间序列分析与eviews应用.ppt

2.单整*像前述yt这种非平稳序列，可以通过差分运算，得到平稳性的序列称为单整(integration)序列。定义如下：定义：如果序列yt，通过d次差分成为一个平稳序列，而这个序列差分d–1次时却不平稳，那么称序列yt为d阶单整序列，记为yt～I(d)。特别地，如果序列yt本身是平稳的，则为零阶单整序列，记为yt～I(0)。logo单整阶数是使序列平稳而差分的阶数。对于上面的随机游走过程，有一个单位根，所以是I(1)，同样，平稳序列是I(0)。一般而言，表示存量的数据，如以不变价格资产总值、储蓄余额等存量数据经常表现为2阶单整I(2)；以不变价格表示的消费额、收入等流量数据经常表现为1阶单整I(1)；而像利率、收益率等变化率的数据则经常表现为0阶单整I(0)。2.4非平稳序列的单位根检验检查序列平稳性的标准方法是单位根检验。有6种单位根检验方法：ADF检验、DFGLS检验、PP检验、KPSS检验、ERS检验和NP检验，重点将介绍DF检验、ADF检验。DF检验的局限性：只有当序列为AR(1)时才有效。如果序列存在高阶滞后相关，这就违背了扰动项是独立同分布的假设。在这种情况下，使用增广的DF检验方法（augmentedDickey-Fullertest），即用ADF来检验含有高阶序列相关的序列的单位根。04030102ADF检验ADF检验方法通过在回归方程右边加入因变量yt的滞后差分项来控制高阶序列相关(2.7)(2.8)(2.9)例2检验中国GDP序列的平稳性在图2.1中，我们可以观察到GDP具有明显的上升趋势。在ADF检验时选择含有常数项和时间趋势项。GDP序列的ADF检验如下：检验结果显示，GDP序列以较大的P值，即87.83%的概率接受原假设，即存在单位根的结论。将GDP序列做1阶差分，然后对ΔGDP进行ADF检验，结果如下：检验结果显示，ΔGDP序列在5%的显著性水平下拒绝原假设，接受不存在单位根的结论，即GDP～I(1)。*三、协整和误差修正模型*时间序列分析与Eviews应用

南京审计学院经济学院胡静在时间序列模型的发展过程中，一个重要的特征是对统计均衡关系做某种形式的假设，其中一种非常特殊的假设就是平稳性的假设。而大多数经济时间序列都是非平稳的，因此，由20世纪80年代初Granger提出的协整概念，引发了非平稳时间序列建模从理论到实践的飞速发展。非稳定序列转化为稳定序列数据变量的平稳性是传统的计量经济分析的基本要求之一。只有模型中的变量满足平稳性要求时，传统的计量经济分析方法才是有效的.01而在模型中含有非平稳时间序列时，基于传统的计量经济分析方法的估计和检验统计量将失去通常的性质，从而推断得出的结论可能是错误的。因此，在建立模型之前有必要检验数据的平稳性。01在很长时间里，学者们在分析经济变量时都假定所分析的数据已满足平稳性的要求。01然而，近年来，尤其是纳尔逊和普洛瑟(NelsonPlosser，1982)的开创性论文发表后，随着计量经济学的发展，学者们对经济时间序列数据，尤其是宏观经济时间序列数据的看法发生了根本的变化。许多经验分析表明，多数宏观经济变量都是非平稳的，由此引发了宏观经济分析方法尤其是周期分析方法的一场革命，即“单位根革命”。解决的问题*如何判别虚假回归（伪回归）问题？01怎样检验一组变量存在协整关系？01一组变量若存在协整关系，怎样建立误差修正模型？如何更好的通过已有数据反映变量之间的长、短期关系。01二、非平稳时间序列*01序列相关协整和误差修正模型Eviews案例应用0203*一、序列相关*§1.1序列相关及其产生的后果对于线性回归模型(1.1)随机扰动项之间不相关，即无序列相关的基本假设为(1.2)如果扰动项序列ut表现为：(1.3)即对于不同的样本点，随机扰动项之间不再是完全相互独立的，