時間序列計量經(jīng)濟學模型講義(參考版)
2025-01-22 13:06本頁面
【正文】 7:52:58 上午 7:52 上午 07:52:58五月 21MOMODA POWERPOINTLorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce id urna blandit, eleifend nulla ac, fringilla purus. Nulla iaculis tempor felis ut cursus. 感謝您的下載觀看專 家告 訴。 五月 217:52 上午 五月 2107:52May 13, 2023? 1業(yè)余生活要有意義，不要越軌。 五月 21五月 2107:52:5807:52:58May 13, 2023? 1意志堅強的人能把世界放在手中像泥塊一樣任意揉捏。 07:52:5807:52:5807:52Thursday, May 13, 2023? 1知人者智，自知者明。 07:52:5807:52:5807:525/13/2023 7:52:58 AM? 1越是沒有本領(lǐng)的就越加自命不凡。 7:52:58 上午 7:52 上午 07:52:58五月 21? 楊柳散和風，青山澹吾慮。 五月 217:52 上午 五月 2107:52May 13, 2023? 1少年十五二十時，步行奪得胡馬騎。 13 五月 20237:52:58 上午 07:52:58五月 21? 1楚塞三湘接，荊門九派通。 07:52:5807:52:5807:52Thursday, May 13, 2023? 1不知香積寺，數(shù)里入云峰。 07:52:5807:52:5807:525/13/2023 7:52:58 AM? 1成功就是日復一日那一點點小小努力的積累。 7:52:58 上午 7:52 上午 07:52:58五月 21? 沒有失敗，只有暫時停止成功！。 五月 217:52 上午 五月 2107:52May 13, 2023? 1行動出成果，工作出財富。 13 五月 20237:52:58 上午 07:52:58五月 21? 1比不了得就不比，得不到的就不要。 07:52:5807:52:5807:52Thursday, May 13, 2023? 1乍見翻疑夢，相悲各問年。 07:52:5807:52:5807:525/13/2023 7:52:58 AM? 1以我獨沈久，愧君相見頻。帶有常數(shù)項的 DF檢驗式的估計結(jié)果如下，126案例 2 深證成指序列的單位根檢驗127? 靜夜四無鄰，荒居舊業(yè)貧。 122單位根檢驗案例分析案例 1 中國進口額序列（ 19502023）的單位根檢驗定義對數(shù)的年進口變量 Lnimt如下： Lnimt = log(imt) Lnimt序列（ 19502023） ? Lnimt序列（ 19512023）123案例 1 中國進口額序列（ 19502023）的單位根檢驗124案例 1 中國進口額序列（ 19502023）的單位根檢驗125案例 2 深證成指序列的單位根檢驗深證成指序列（ 421天）從走勢看決不會是隨機趨勢非平穩(wěn)序列（含有時間趨勢的 2次項），也不會是隨機趨勢序列（含有時間趨勢的 1次項）。119 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） ；120 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）。?(1)如果檢驗結(jié)果表明所給時間序列有單位根，且時間變量前的參數(shù)顯著為零，則該序列顯示出隨機性趨勢 。 118? 判斷一個非平穩(wěn)的時間序列，它的趨勢是隨機性的還是確定性的，可通過 ADF檢驗中所用的第 3個模型進行。這種趨勢稱為 確定性趨勢（deterministic trend） ?？紤]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。 ⒉ 趨勢平穩(wěn)與差分平穩(wěn)隨機過程116 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(jù) ?的正負， Xt表現(xiàn)出明顯的上升或下降趨勢。115 引入作為趨勢變量時間的 做法，只有當趨勢性變量是 確定性的（ deterministic） 而非 隨機性的（ stochastic） ， 才會是有效的。 經(jīng)過試算，發(fā)現(xiàn) 中國人均國內(nèi)生產(chǎn)總值GDPPC是 2階單整的 ， 適當?shù)臋z驗模型為： 113 同樣地 ， CPC也是 2階單整的 ，適當?shù)臋z驗模型為：114 ⒉ 趨勢平穩(wěn)與差分平穩(wěn)隨機過程虛假回歸 或 偽回歸 （ spurious regression） ：如：用中國的勞動力時間序列數(shù)據(jù)與美國 GDP時間序列作回歸，會得到較高的 R2 ，但不能認為兩者有直接的關(guān)聯(lián)關(guān)系，而只不過它們有共同的趨勢罷了，這種回歸結(jié)果我們認為是虛假的。111例 中國支出法 GDP的單整性。大多數(shù)指標的時間序列是非平穩(wěn)的，可通過一次或多次差分的形式變?yōu)槠椒€(wěn)的。110單整? 非單整（ nonintegrated）：無論經(jīng)過多少次差分，都不能變?yōu)槠椒€(wěn)的時間序列。? I(0)代表一平穩(wěn)時間序列。108四、單整、趨勢平穩(wěn)與差分平穩(wěn)隨機過程109單整? d 階單整（ integrated of d）序列：– 一個時間序列經(jīng)過 d次差分后變成平穩(wěn)序列，記為 I(d)。? 結(jié)論： 人均國內(nèi)生產(chǎn)總值（ GDPPC）是非平穩(wěn)的。國內(nèi)生產(chǎn)總值這兩時間序列的平穩(wěn)性。?可斷定中國支出法 GDP時間序列是非平穩(wěn)的。101 3)經(jīng)試驗，模型 1中滯后項取 2階 ： ?LM檢驗表明模型殘差項不存在自相關(guān)性，因此模型的設(shè)定是正確的。?常數(shù)項的 t統(tǒng)計量小于 AFD分布表中的臨界值，不能拒絕不存常數(shù)項的零假設(shè)。100 2）經(jīng)試驗，模型 2中滯后項取 2階：?LM檢驗表明模型殘差不存在自相關(guān)性，因此該模型設(shè)定是正確的。? 時間 T的 t統(tǒng)計量小于 ADF分布表中的臨界值，因此 接受不存在趨勢項的假設(shè) 。 1） 經(jīng)過嘗試，模型 3取了 2階滯后：通過拉格朗日乘數(shù)檢驗對隨機誤差項的自相關(guān)性進行檢驗： LM（ 1） =， LM（ 2） =，小于 5%顯著性水平下自由度分別為 1與 2的 ?2分布的臨界值，可見不存在自相關(guān)性，因此該模型的設(shè)定是正確的。如果圖形中大致顯示了被檢驗序列的波動趨勢隨時間
教學課件相關(guān)推薦
鄂ICP備17016276號-1