【正文】 :k0時， rk的值確實落在了該區(qū)間內，因此可以接受 ? k(k0)為 0的假設 。 例 檢驗中國支出法 GDP時間序列的平穩(wěn)性 。 ?從滯后 14期的 QLB統(tǒng)計量看： CPC與 GDPPC序列的統(tǒng)計量計算值均為 ，超過了顯著性水平為5%時的臨界值 。 對式： Xt=?Xt1+?t （ *） 進行回歸，如果確實發(fā)現 ?=1，就說隨機變量Xt有一個 單位根 。 ? Dicky和 Fuller于 1976年提出了這一情形下 t統(tǒng)計量服從的分布（這時的 t統(tǒng)計量稱為 ?統(tǒng)計量 ）， 即 DF分布 （見表 ）。 為了保證 DF檢驗中隨機誤差項的白噪聲特性 ， Dicky和 Fuller對 DF檢驗進行了擴充 ，形成了 ADF（ Augment DickeyFuller ） 檢驗 。 表 ADF分布臨界值表。 需進一步檢驗模型 2 。 例 檢驗 167。 ? 顯然， I(0)代表一平穩(wěn)時間序列。 經過試算 ， 發(fā)現 中國人均國內生產總值GDPPC是 2階單整的 ， 適當的檢驗模型為： 123 ????? tt G D P P CG D P P C （ 2 . 1 7 ） 2R= 0 . 2 7 7 8 ， L M ( 1 ) = 0 . 3 1 L M ( 2 ) = 0 . 5 4 同樣地 ， CPC也是 2階單整的 ， 適當的檢驗模型為： 123 ????? tt C P CC P C （ 2 . 0 8 ） 2R= 0 . 2 5 1 5 L M ( 1 ) = 1 . 9 9 L M ( 2 ) = 2 . 3 6 ⒉ 趨勢平穩(wěn)與差分平穩(wěn)隨機過程 前文已指出 ， 一些非平穩(wěn)的經濟時間序列往往表現出共同的變化趨勢 ， 而這些序列間本身不一定有直接的關聯(lián)關系 ， 這時對這些數據進行回歸 ， 盡管有較高的 R2， 但其結果是沒有任何實際意義的 。 考慮如下的含有一階自回歸的隨機過程： Xt=?+?t+?Xt1+?t （ *） 其中 :?t是一白噪聲 ， t為一時間趨勢 。 隨機性趨勢可通過差分的方法消除 例如：對式： Xt=?+Xt1+?t 可通過差分變換為： ?Xt= ?+?t 該時間序列稱為 差分平穩(wěn)過程（ difference stationary process） ； 確定性趨勢無法通過差分的方法消除，而只能通過除去趨勢項消除 例如：對式： Xt=?+?t+?t 可通過除去 ?t變換為： Xt － ?t =?+?t 該時間序列是平穩(wěn)的，因此稱為 趨勢平穩(wěn)過程（ trend stationary process）。 ? 經典回歸模型的問題： 迄今為止 ， 對一個時間序列 Xt的變動進行解釋或預測 ， 是通過某個單方程回歸模型或聯(lián)立方程回歸模型進行的 ， 由于它們以因果關系為基礎 ， 且具有一定的模型結構 ， 因此也常稱為 結構式模型 （ structural model） 。 （ 2）如果該序列是平穩(wěn)的 ， 即它的行為并不會隨著時間的推移而變化， 那么我們就可以通過該序列過去的行為來預測未來。 因此 ： (1)如果檢驗結果表明所給時間序列有單位根，且時間變量前的參數顯著為零，則該序列顯示出隨機性趨勢 。 1)如果 ?=1， ?=0， 則 （ *） 式成為 一帶位移的隨機游走過程 ： Xt=?+Xt1+?t （ **） 根據 ?的正負 ， Xt表現出明顯的上升或下降趨勢 。 例 中國支出法 GDP的單整性 。 ? 如果一個時間序列經過一次差分變成平穩(wěn)的 ， 就稱原序列是 一階單整 （ integrated of 1）序列 ， 記為 I(1)。 ? 從 GDPt1的參數值看，其 t統(tǒng)計量為正值，大于臨界值， 不能拒絕存在單位根的零假設。 ? 從 ?的系數看， t臨界值，不能拒絕存在單位根的零假設。否則，就要繼續(xù)檢驗，直到檢驗完模型 1為止。 但在實際檢驗中 ， 時間序列可能由更高階的自回歸過程生成的 ， 或者隨機誤差項并非是白噪聲 ，這樣用 OLS法進行估計均會表現出隨機誤差項出現自相關 （ autocorrelation） ， 導致 DF檢驗無效 。 備擇假設 H1： ?0 ? 上述檢驗可通過 OLS法下的 t檢驗完成。 而該序列可看成是隨機模型 : Xt=?Xt1+?t 中參數 ?=1時的情形。 國內生產總值這兩時間序列的平穩(wěn)性。 樣本自相關系數顯示 ： r1=，落在了區(qū)間[, ]之外，因此在 5%的顯著性水平上拒絕 ?1的真值為 0的假設。 ? 從圖形看： 它在其樣本均值 0附近上下波動，且樣本自相關系數迅速下降到 0，隨后在 0附近波動且逐漸收斂于 0。 ? 一個時間序列的樣本自相關函數定義為： ? ?? ?? ???????????nttkntkttkXXXXXXr121 ?,3,2,1?k 易知 ， 隨著 k的增加 ， 樣本自相關函數下降且趨于零 。 167。 二、時間序列數據的平穩(wěn)性 定義： 假定某個時間序列是由某一 隨機過程（ stochastic process）生成的，即假定時間序列{Xt}（ t=1, 2, … ）的每一個數值都是從一個概率分布中隨機得到，如果滿足下列條件： 1）均值 E(Xt)=?是與時間 t 無關的常數； 2）方差 Var(Xt)=?2是與時間 t 無關的常數； 3）協(xié)方差 Cov(Xt,Xt+k)=?k 是 只與時期間隔 k有關，與時間 t 無關的常數； 則稱該隨機時間序列是 平穩(wěn)的 （ stationary)，而該隨機過程是一 平穩(wěn)隨機過程（ stationary stochastic process）。 ? 數據非平穩(wěn) ，大樣本下的統(tǒng)計推斷基礎 ——“一致性”要求 ——被破懷。 應用范圍 較廣 。 ? ②液體 輸出量可任意調節(jié) 。此外，過大或過小的氣流速度都會引起壓力損失的增加，消耗過多的能量。 ? （ 2）慣性卸料器 ： ? 又叫大彎頭卸料器 ? 借助 慣性力 使物料分離。 ? 氣力輸送的 特點 1）優(yōu)點：結構簡單，工藝布置靈活，輸送距離大，密封性 好，適應性廣，自動化程度高，生產 率 高。 ? （５）要特別注意轉動部件的密封，嚴防潤滑油外溢污染食品和原料進入轉動部件而導致磨損加劇。 螺旋形狀 （ 2）料槽 ?形狀 （密閉） ?內徑要稍大于螺旋直徑，二者間有間隙。 輸送能力較低。 適用：適用于料塊較大及磨蝕 裝料方式 ? (a) 挖取式 ? (b) 撒入式 卸料方式 （ b） 無定向自流式 ：離心力＋重力 流動性差、潮濕物料 （ c） 定向自流式 ：重力 物料沿前一料斗背部落下 大塊、比重大、易碎料 （ a） 離心式 ：利用離心力 提升速度快場合 另圖 （三）主要參數的確定 ? 1提升能力 ? 2功率 斗式提升機傳動軸功率可按下式近似計算： 三、 螺旋式輸送機 ? 螺旋輸送機是 密封 輸送設備。 （一）構造和工作原理 構件 ：牽引件、傳動滾筒、張緊裝置、料斗、加料 及卸料裝置和驅動裝置等組成。 6. 經常檢查和調整帶的 張緊 程度，防止帶過松而使輸送帶產生振動或走偏。 （三）帶式輸送機的使用與維護 1. 加料要 均勻 。但是帶速過大，輸送帶的抖動也越大，物料容易從帶上拋出。 ?一般輸送帶的 工作面 用彈簧清掃器。不適用溫度變化范圍大。其強度高、耐高溫、耐腐蝕， 適用于邊輸送，邊清洗、瀝水、炸制、通風凍結、 干燥的場合。 ? 輸送物料： 塊狀 、 顆粒狀 物料及 整件物料 ? 功 能： 水平 輸送、 傾斜 輸送 ? 特 點：輸送量大，動力消耗少，運轉連續(xù)， 工作平穩(wěn)，輸送距離大。 ? 帆布帶芯 是膠帶承受拉力的主要部分，而 橡膠保護層的主要作用是防止帆布磨損及腐蝕。 呈鼓形結構 ， 即中部直徑稍大 ． 用于自動糾正輸送帶的跑偏 。 另圖 （二）主要參數的確定 輸送能力 ? 連續(xù)輸送散狀物料 ? Q=3600Sρυc ? 式中 Q—輸送能力， t/h ? S—物料在帶上的橫截面積， m2 ? ρ—物料在帶上的容積密度， t/ m3 ； ? v—帶速， m/s ? c—輸送機傾斜度修正系數，見書表。 ? （ 1）較長及水平輸送機，可選用較高的帶速。減小加料 高度 ，以減輕對帶的沖擊。 ? 優(yōu)點 ：結構簡單 。 鏈帶：提升高度高，重物料。 ? 水平 、 傾斜 （ 20度）輸送。 適宜輸送松散、干燥、無粘性的物料； – 帶式螺旋 加工制造較麻煩，強度較低。 計算：螺旋直徑、電機功率及相關參數 解： 1） D 和 n（ 圓整 ） 2） Po和 P 螺旋直徑和軸轉速 由于計算得到的 φ值低于推薦值很多，故可以降低螺旋軸得轉數 以提高機器得壽命 由于計算的 φ值超過推薦數值的上限，故需增加螺旋直徑 功率計算 （三）螺旋輸送機的使用與維護 ? （１） 安裝時 要特別注意各節(jié)料槽的同軸度和整個料槽的直線度。 四、刮板輸送機 組成 ：牽引構件、刮板、料槽、帶輪 功能： 可水平、傾斜、水平傾斜組合輸送 型式 ：固定式、移動式 特點 ：結構簡單，裝卸料方便，機件易磨損， 動力消耗大，不易輸送較濕物料。 供料器： A、吸嘴 ——單筒和雙筒喇叭形 B、加料器： 氣力輸送系統(tǒng)中 供給或排放物料 的裝置 ， 同時要 閉風 。 除塵器 ? （ 1）離心式 提高除塵途徑 ： ?選擇合適進口風速，常用 12～ 20 m/s； ?增加氣流旋轉圈數（增 加筒體高度）； ?縮小筒體直徑和出風管直徑。同時把物料組織內的部分空氣排除，減少了成品的含氣量； ? 可直接利用系統(tǒng)真空作為動力， 簡化了動力裝置 。 ? ②操作不妥或設計不善時，易引起泡沫現象。 所輸送的液體必須具有 潤滑性 ，以免齒 輪磨損。 例如： 如果有兩列時間序列數據表現出一致的變化趨勢（非平穩(wěn)的），即使它們沒有任何有意義的關系，但進行回歸也可表現出較高的可決系數。 例 ． 另一個簡單的隨機時間列序被稱為隨機游走（ random walk） ， 該序列由如下隨機過程生成： X t=Xt1+?t 這里， ?t是一個白噪聲。 三、平穩(wěn)性檢驗的圖示判斷 ? 給出一個隨機時間序列，首先可通過該序列的 時間路徑圖 來粗略地判斷它是否是平穩(wěn)的。 Bartlett曾證明 :如果時間序列由白噪聲過程生成 ， 則對所有的 k0， 樣本自相關系數近似地服從以 0為均值 ，