【正文】 從 圖 的 回歸方程的殘差序列 的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)可以看到不存在序列相關(guān)。 實際上用后面學(xué)到的單位根檢驗可知 CPI序列是一個非平穩(wěn)的序列 ， 但是它的一階差分序列 ?CPI是平穩(wěn)的 。 但是 ， 在實際操作中 ， 自相關(guān)系數(shù)和偏自相關(guān)系數(shù)是通過要識別序列的樣本數(shù)據(jù)估計出來的 ， 并且隨著抽樣的不同而不同 ， 其估計值只能同理論上的大致趨勢保持一致 ，并不能精確的相同 。 對于形如 ()的 p(p =1,2,… ,k,… )階方程組求解 ， 每個方程組的最后一個解就是相應(yīng)的偏自相關(guān)系數(shù) ?1,1, ?2,2 , … , ?k,k … 。 但是 ， 對于自回歸過程 AR(p)， 自相關(guān)系數(shù)并不能幫助我們確定AR(p) 模型的階數(shù) p。 3. AR模型的識別 可以不加證明的給出 AR(p)過程的自相關(guān)系數(shù) kppkkk gggr ??? ???? ?2211 () 其中 ?1 , ?2 , … , ?p 是 AR(p) 模型的特征多項式 02211 ????? ?? pppp ?????? ?() 的 p個特征根 ， g1 , g2 , … , gp為任意給定的 p個常數(shù) 。 即 MA(q) 模型的自相關(guān)函數(shù)在 q 步以后是截尾的 。一個純的 p 階自回歸過程 AR(p) 的偏相關(guān)系數(shù)在 p階截尾，而純的動平均函數(shù)的偏相關(guān)過程漸進趨于零。因此，可以通過自相關(guān)系數(shù)來獲得一些有關(guān) AR(p) 模型的信息，如低階 AR(p) 模型系數(shù)符號的信息。 ARMA模型的識別 1．利用自相關(guān)系數(shù)和偏自相關(guān)系數(shù)識別 ARMA(p, q) 模型 在實際研究中，通常的做法是根據(jù)經(jīng)濟指標時間序列數(shù)據(jù)的樣本特征，來推斷經(jīng)濟指標的總體（真實）特征。 為設(shè)置初值 ， 雙擊圖標 ， 打開系數(shù)向量 C窗口 ， 進行編輯 。 另一選擇是使用 OLS或 TSLS系數(shù)的一部分作為初值 。也可以試試不同的初值來保證估計是全部而不是局部平方誤差最小，可以通過提供初值加速估計過程。 非線性估計方法對所有系數(shù)估計都要求初值。如果 MA模型滯后多項式的根的倒數(shù)有在單位圓外的，說明 MA過程是 不可逆 的，應(yīng)使用不同的初值重新估計模型，直到得到滿足可逆性的動平均。對于平穩(wěn) AR(1)模型， ?1在 1和 +1之間。 對于含有 ARMA項的模型，基于殘差的回歸統(tǒng)計量，如 R2和 。 對例 （ 時間期間： 1991年 1月～2020年 8月 ） 的月度時間序列 S的對數(shù)差分變換 LS=dlog(S)，即股票收益率用 ARMA(1,1)模型來估計 ， 來說明 EViews是如何估計一個 ARMA(p， q)模型的 。記上證股價指數(shù)變化率序列為 sr。 167。 ARMA(p,q)模型中 AR和 MA部分應(yīng)使用關(guān)鍵詞 ar和 ma定義。 盡管不可逆時也可以表征任何給定的數(shù)據(jù) ， 但是一些參數(shù)估計和預(yù)測算法只有在使用可逆表示時才有效 。 對于 AR(p)模型 () 設(shè) L為滯后算子 ， 則有 Lut ? ut1, Lput ? utp， 特別地 ， L0ut?ut。 tptpttt uuucu ???? ?????? ??? ?2211 2. 移動平均模型 MA(q) q 階移動平均模型記作 MA(q) ， 滿足下面的方程： () 其中：參數(shù) ? 為常數(shù)；參數(shù) ?1 , ?2 ,… , ?q 是 q 階移動平均模型的系數(shù)； ?t 是均值為 0， 方差為 ? 2的白噪聲序列 。 平穩(wěn)時間序列的概念 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： },{ 12101 ????? ??? TTt uuuuuuu 注意，如果一個隨機過程是弱平穩(wěn)的，則 ut 與 uts 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(guān)，而與時期 t 無關(guān)。從經(jīng)濟的角度看，這個過程是不可重復(fù)的。 平穩(wěn)時間序列建模 本節(jié)將不再僅僅以一個回歸方程的擾動項序列為研究對象 ， 而是直接討論一個平穩(wěn)時間序列的建模問題 。 title 39。 title 39。A EXCEPT B39。 select * from A union select * from B。 Table A x y 1 one 2 two 2 two 3 Three 與 JOIN的橫向連接不同， SET連接是豎直的連接。31dec202039。A39。 quit。)。 Title 39。 quit。 Table Merge3 code Manager Assitant 145 Max Jerry 145 Xam Tracy 155 Paul Chen 若用 SQL，則會出現(xiàn)下面的結(jié)果： Proc sql。 proc print data=merge3 noobs。 Table newone Table newtwo code Manager code Assistant 145 Max 145 Jerry 145 Xam 145 Tracy 155 Paul 155 Chen Data步 data merge3。 select , , from a, b where =。 Table MERGE1 code manager Assitant 145 Max Tracy 150 Jack Yao 155 Paul Chen Merge在合并前的兩個數(shù)據(jù)集已經(jīng)按 code排過序，而 PROC SQL則不需要排序，下面程序給出和上面同樣的結(jié)果。 proc print data=merge1 noobs。 Table a Table b code manager code Assitant 145 Max 145 Tracy 150 Jack 150 Yao 155 Paul 155 Chen 程序如下 ： data merge1。 quit。 quit。 quit。 select , from a, b, c where = and = and =。 關(guān)鍵詞 INNER JOIN用于連接多個表的數(shù)據(jù)。 使用關(guān)鍵詞 INNER JOIN的內(nèi)部連接 語句格式： From tablename INNER JOIN tablename ON sqlexpression proc sql。 level china level usa 1 c02 1 u