基于arch模型的美國消費者物價指數(編輯修改稿)
2024-09-05 15:41 本頁面
【文章內容簡介】 圖3 消費者物價指數對數的PAC和AC函數PAC沒有很快地趨于0，并落入隨機區(qū)內，而且自相關系數大于臨界值，時間序列有顯著的自相關性，時間序列是非平穩(wěn)的。 因美國CPI對數的時間序列不是平穩(wěn)的，要把該時間序列數據變?yōu)槠椒€(wěn)的，圖4為一階差分圖，從圖中沒有看到序列中的任何趨勢，這也許表明，取一階差分后的CPI時間序列是平穩(wěn)的。圖5為CPI對數一階差分的PAC和AC函數，CPI對數時間序列的一階差分相關圖和偏相關圖可以看到，序列的自相關系數很快趨于0，并落入隨機區(qū) 圖4 CPI對數的一階差分內，因此，經差分后的時間序列是平穩(wěn)的，從圖中可以看到，時間序列的自相關函數有呈衰減現(xiàn)象，偏自相關函數則顯著的直至滯后2階的尖柱。再運用ADF檢驗對時間序列數據進行單位根檢驗，圖6所示,ADF=，在1%的顯著性水平下可以拒絕零假設，說明經過差分后序列DCPI已經平穩(wěn)。參數估計對CPI對數的一階差分進行回歸分析，建立經濟計量模型AR模型（從圖5偏自相關函數可以確定階數為2），利用最小二乘法對DCPI進行自回歸，得 DCPI=(1) (1) ()()= F= AIC= SC= DCPI=(1)(2) （2） ()() ()= F= AIC= SC= 圖5 CPI對數的一階差分的相關圖和偏相關圖（1)式是對DCPI進行一階自回歸，（2)式是對DCPI進行二階自回歸，通過兩個回歸函數的ACI和SC值得比較，根據Akaike和Shawar信息準則，用普通最小二乘法(OLS)得到DCPI自回歸的較優(yōu)模型選擇是2階自回歸過程。 圖6 CPI對數的一階差分的單位根檢驗（DCPI=ACPI(t)ACPI(t1) )（2） 式自回歸方差的t統(tǒng)計量顯著,擬合優(yōu)度不是很高，并且觀察方程(2)的殘差圖(如圖7) ,可以注意到波動的幅度并不
環(huán)評公示相關推薦
鄂ICP備17016276號-1