時(shí)間序列分析與eviews應(yīng)用

《時(shí)間序列分析與eviews應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、時(shí)間序列分析與Eviews應(yīng)用非穩(wěn)定序列轉(zhuǎn)化為穩(wěn)定序列數(shù)據(jù)變量的平穩(wěn)性是傳統(tǒng)的計(jì)量經(jīng)濟(jì)分析的基本要求之一。只有模型中的變量滿足平穩(wěn)性要求時(shí)，傳統(tǒng)的計(jì)量經(jīng)濟(jì)分析方法才是有效的.而在模型中含有非平穩(wěn)時(shí)間序列時(shí)，基于傳統(tǒng)的計(jì)量經(jīng)濟(jì)分析方法的估計(jì)和檢驗(yàn)統(tǒng)計(jì)量將失去通常的性質(zhì)，從而推斷得出的結(jié)論可能是錯(cuò)誤的。因此，在建立模型之前有必要檢驗(yàn)數(shù)據(jù)的平穩(wěn)性。在很長(zhǎng)時(shí)間里，學(xué)者們?cè)诜治鼋?jīng)濟(jì)變量時(shí)都假定所分析的數(shù)據(jù)已滿足平穩(wěn)性的要求。然而，近年來，尤其是納爾遜和普洛瑟(NelsonPlosser，1982)的開創(chuàng)性論文發(fā)表后，隨著計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展，學(xué)者們對(duì)經(jīng)濟(jì)時(shí)間序列數(shù)據(jù)，

2、尤其是宏觀經(jīng)濟(jì)時(shí)間序列數(shù)據(jù)的看法發(fā)生了根本的變化。許多經(jīng)驗(yàn)分析表明，多數(shù)宏觀經(jīng)濟(jì)變量都是非平穩(wěn)的，由此引發(fā)了宏觀經(jīng)濟(jì)分析方法尤其是周期分析方法的一場(chǎng)革命，即“單位根革命”。解決的問題1、如何判別虛假回歸（偽回歸）問題？2、怎樣檢驗(yàn)一組變量存在協(xié)整關(guān)系？3、一組變量若存在協(xié)整關(guān)系，怎樣建立誤差修正模型？如何更好的通過已有數(shù)據(jù)反映變量之間的長(zhǎng)、短期關(guān)系。一、序列相關(guān)二、非平穩(wěn)時(shí)間序列時(shí)間序列的特征在做多元回歸之前，有必要先了解每個(gè)時(shí)間序列的特性。在很多應(yīng)用研究中，人們常常對(duì)具有增長(zhǎng)趨勢(shì)的時(shí)間序列取對(duì)數(shù)后進(jìn)行分析。取對(duì)數(shù)后，這樣的序列常常更接近于一條直線。大多

3、數(shù)宏觀經(jīng)濟(jì)數(shù)據(jù)表現(xiàn)出這一特征。取對(duì)數(shù)后的變量差分(LnYt-LnYt-1)近似反映了兩個(gè)時(shí)期之間該序列的增長(zhǎng)率。自相關(guān)(Autocorrelation)對(duì)于通常的經(jīng)濟(jì)數(shù)據(jù)序列，原始序列Y的當(dāng)前值與滯后值之間的相關(guān)程度較高，但其差分序列Y的當(dāng)前值與滯后值相關(guān)程度較低。根據(jù)這一性質(zhì)，我們可以利用過去已知的Y來推斷今后的Y，但知道過去的Y則無助于推測(cè)今后的Y。人們把這種情況說成是：“Y能夠記憶過去，但Y則不能”。這是利用時(shí)間序列模型做預(yù)測(cè)的基礎(chǔ)。一般而言，此時(shí)的Y是一個(gè)非平穩(wěn)序列，而Y則是一個(gè)平穩(wěn)序列。自相關(guān)函數(shù)(AutocorrelationFunction

4、)通過估計(jì)自相關(guān)函數(shù)，可以了解時(shí)間序列的特征：時(shí)間趨勢(shì)平穩(wěn)性自相關(guān)函數(shù)是時(shí)間序列的當(dāng)前值與過去值之間的相關(guān)系數(shù)。令p＝Cor(Yt，Yt-p)可以注意到，p的值是滯后期數(shù)p的函數(shù)。AC和PAC函數(shù)AC和PAC函數(shù)描述時(shí)間序列的特性AC函數(shù)可以用來根據(jù)該值等于0發(fā)生的時(shí)間j來選擇MA(q)模型，j>q；PAC函數(shù)可以用來根據(jù)該值等于0發(fā)生的時(shí)間j來選擇AR(p)模型，j>p。整合過程(IntegratedProcess)許多非平穩(wěn)時(shí)間序列可以通過一階或高階差分，轉(zhuǎn)變?yōu)槠椒€(wěn)時(shí)間序列。這種時(shí)間序列被稱作d階整合時(shí)間序列用I(d)表示。ARMA模型預(yù)測(cè)的基本程序

5、（一）根據(jù)時(shí)間序列的散點(diǎn)圖、自相關(guān)函數(shù)和偏自相關(guān)函數(shù)圖以ADF單位根檢驗(yàn)其方差、趨勢(shì)及其季節(jié)性變化規(guī)律，對(duì)序列的平穩(wěn)性進(jìn)行識(shí)別。一般來講，經(jīng)濟(jì)運(yùn)行的時(shí)間序列都不是平穩(wěn)序列。（二）對(duì)非平穩(wěn)序列進(jìn)行平穩(wěn)化處理。如果數(shù)據(jù)序列是非平穩(wěn)的，并存在一定的增長(zhǎng)或下降趨勢(shì)，則需要對(duì)數(shù)據(jù)進(jìn)行差分處理，如果數(shù)據(jù)存在異方差，則需對(duì)數(shù)據(jù)進(jìn)行技術(shù)處理，直到處理后的數(shù)據(jù)的自相關(guān)函數(shù)值和偏相關(guān)函數(shù)值無顯著地異于零。（三）根據(jù)時(shí)間序列模型的識(shí)別規(guī)則，建立相應(yīng)的模型。若平穩(wěn)序列的偏相關(guān)函數(shù)是截尾的，而自相關(guān)函數(shù)是拖尾的，可斷定序列適合AR模型；若平穩(wěn)序列的偏相關(guān)函數(shù)是拖尾的，而自相關(guān)函數(shù)

6、是截尾的，則可斷定序列適合MA模型；若平穩(wěn)序列的偏相關(guān)函數(shù)和自相關(guān)函數(shù)均是拖尾的，則序列適合ARMA模型。（四）進(jìn)行參數(shù)估計(jì)，檢驗(yàn)是否具有統(tǒng)計(jì)意義。（五）進(jìn)行假設(shè)檢驗(yàn)，診斷殘差序列是否為白噪聲。（六）利用已通過檢驗(yàn)的模型進(jìn)行預(yù)測(cè)分析。§2.4非平穩(wěn)序列的單位根檢驗(yàn)檢查序列平穩(wěn)性的標(biāo)準(zhǔn)方法是單位根檢驗(yàn)。有6種單位根檢驗(yàn)方法：ADF檢驗(yàn)、DFGLS檢驗(yàn)、PP檢驗(yàn)、KPSS檢驗(yàn)、ERS檢驗(yàn)和NP檢驗(yàn)，重點(diǎn)將介紹DF檢驗(yàn)、ADF檢驗(yàn)。DF檢驗(yàn)的局限性：只有當(dāng)序列為AR(1)時(shí)才有效。如果序列存在高階滯后相關(guān)，這就違背了擾動(dòng)項(xiàng)是獨(dú)立同分布的假設(shè)。在這種情況下，使用

7、增廣的DF檢驗(yàn)方法（augmentedDickey-Fullertest），即用ADF來檢驗(yàn)含有高階序列相關(guān)的序列的單位根。ADF檢驗(yàn)ADF檢驗(yàn)方法通過在回歸方程右邊加入因變量yt的滯后差分項(xiàng)來控制高階序列相關(guān)(2.7)(2.8)(2.9)例2檢驗(yàn)中國(guó)GDP序列的平穩(wěn)性在圖2.1中，我們可以觀察到GDP具有明顯的上升趨勢(shì)。在ADF檢驗(yàn)時(shí)選擇含有常數(shù)項(xiàng)和時(shí)間趨勢(shì)項(xiàng)。GDP序列的ADF檢驗(yàn)如下：檢驗(yàn)結(jié)果顯示，GDP序列以較大的P值，即87.83%的概率接受原假設(shè)，即存在單位根的結(jié)論。將GDP序列做1階差分，然后對(duì)ΔGDP進(jìn)行ADF檢驗(yàn)，結(jié)果如下：檢驗(yàn)結(jié)果顯示

8、，ΔGDP序列在5%的顯著性水平下拒絕原假設(shè)，接受不存在單位根的結(jié)論，即GDP～