時間序列分析與eviews應用-預覽頁
【正文】 對產出的影響就被歸入隨機誤差項 。 序列相關的檢驗方法 12 EViews提供了以下 3種檢測序列相關的方法 。 如果存在正序列相關 ， 2。 2． 回歸方程右邊如果存在滯后因變量 ， DW檢驗不再有效 。 LM檢驗原假設為：直到 p階滯后不存在序列相關，p為預先定義好的整數；備選假設是：存在 p階自相關。 F統(tǒng)計量是對式（ ）所有滯后殘差聯(lián)合顯著性的一種檢驗。 在 EView軟件中的操作方法： 選擇 View/Residual Tests/Serial correlation LM Test，一般地對高階的 ， 含有 ARMA誤差項的情況執(zhí)行BreushGodfrey LM。 所以 ， 必須采取本節(jié)中介紹的其他檢驗序列相關的方法檢驗殘差序列的自相關性 。 21 二、非平穩(wěn)時間序列 22 如果隨機過程 的均值和方差、自協(xié)方差都不取決于 t，則稱 ut 是協(xié)方差平穩(wěn)的或弱平穩(wěn)的： 注意，如果一個隨機過程是弱平穩(wěn)的，則 ut 與 ut s 之間的協(xié)方差僅取決于 s ，即僅與觀測值之間的間隔長度 s有關。 一個平穩(wěn)序列的數字特征 ，如均值 、 方差和協(xié)方差等是不隨時間的變化而變化的 ，時間序列在各個時間點上的隨機性服從一定的概率分布 。 這是因為 ， 如果殘差序列是一個非平穩(wěn)序列 ， 則說明因變量除了能被解釋變量解釋的部分以外 ， 其余的部分變化仍然不規(guī)則 ， 隨著時間的變化有越來越大的偏離因變量均值的趨勢 ， 這樣的模型是不能夠用來預測未來信息的 。 但在實踐中遇到的經濟和金融數據大多是非平穩(wěn)的時間序列 。 tt utay ??? ?167。 29 像前述 yt 這種非平穩(wěn)序列 ， 可以通過差分運算 ， 得到平穩(wěn)性的序列稱為 單整 (integration)序列 。 對于上面的隨機游走過程 ， 有一個單位根 ， 所以是 I(1)， 同樣 ，平穩(wěn)序列是 I(0)。 有 6種單位根檢驗方法： ADF檢驗 、 DFGLS檢驗 、 PP檢驗 、KPSS檢驗 、 ERS檢驗和 NP檢驗 ， 重點將介紹 DF檢驗 、ADF檢驗 。 33 ADF檢驗 ADF檢驗方法通過在回歸方程右邊加入因變量 yt 的滯后差分項來控制高階序列相關 tpiititt uyyy ????? ????11 ??tpiititt uyayy ?????? ????11 ??tpiititt uytayy ??????? ????11 ??? () () () 34 例 2 檢驗中國 GDP序列的平穩(wěn)性 在圖 ，我們可以觀察到 GDP具有明顯的上升趨勢。 36 三、協(xié)整和誤差修正模型 37 一般而言，經濟變量非平穩(wěn)，多為 I(1)或 I(2) 。 非平穩(wěn)經濟變量間存在的這種長期穩(wěn)定的均衡關系稱作 協(xié)整 (cointegration) 。 簡稱 Yt 是協(xié)整的 ， 向量 ? 又稱為協(xié)整向量 。 從協(xié)整理論的思想來看 ， 自變量和因變量之間存在協(xié)整關系 。 ？ 變量是 否協(xié)整 ？ 殘差序列 是否平穩(wěn) 42 檢驗的主要步驟如下： （ 1） 若 k個序列 y1t 和 y2t， y3t， … ， ykt都是 1階單整序列 ， 建立回歸方程 模型估計的殘差為 tktkttt uyyyy ????? ??? ?33221ktktttt yyyyu ??? ???? 33221 ????? ?43 （ 2） 檢驗殘差序列 t是否是平穩(wěn)的 。 利用 ADF的協(xié)整檢驗方法來判斷殘差序列是否平穩(wěn) ，如果殘差序列是平穩(wěn)的 ， 則回歸方程的設定是合理的 ，說明回歸方程的因變量和解釋變量之間存在穩(wěn)定的均衡關系 。 傳統(tǒng)的經濟模型通常表述的是變量之間的一種 “ 長期均衡 ” 關系 ， 而實際經濟數據卻是由 “ 非均衡過程 ” 生成的 。 然而如果每個變量的滯后也出現(xiàn)在模型之中 ， 其長期影響將通過分布滯后的函數反映 ， 這就是 ADL模型 。 () 49 最 常用 的 ECM 模型 的 估計 方法 是 Engle 和Granger(1987)兩步法 ， 其基本思想如下： 第一步： OLS法估計協(xié)整向量 （ 若協(xié)整性存在 ，此回歸稱為協(xié)整回歸；否則為虛假回歸 ） 。 1101 ?? ?? tt xkky ??tttt xuy ???? ?????? ? 210 ?
環(huán)評公示相關推薦
鄂ICP備17016276號-1