时间序列分析与eviews应用.ppt

时间序列分析与Eviews应用 南京审计学院经济学院 胡 静 hujing59@nau.edu.cn 2009.07.13 非稳定序列转化为稳定序列数据变量的平稳性是传统的计量经济分析的基本要求之一。只有模型中的变量满足平稳性要求时，传统的计量经济分析方法才是有效的. 而在模型中含有非平稳时间序列时，基于传统的计量经济分析方法的估计和检验统计量将失去通常的性质，从而推断得出的结论可能是错误的。因此，在建立模型之前有必要检验数据的平稳性。 在很长时间里，学者们在分析经济变量时都假定所分析的数据已满足平稳性的要求。 然而，近年来，尤其是纳尔逊和普洛瑟(Nelson Plosser，1982)的开创性论文发表后，随着计量经济学的发展，学者们对经济时间序列数据，尤其是宏观经济时间序列数据的看法发生了根本的变化。 许多经验分析表明，多数宏观经济变量都是非平稳的，由此引发了宏观经济分析方法尤其是周期分析方法的一场革命，即“单位根革命”。 解决的问题 1、如何判别虚假回归（伪回归）问题？ 2、怎样检验一组变量存在协整关系？ 3、一组变量若存在协整关系，怎样建立误差修正模型？ 如何更好的通过已有数据反映变量之间的长、短期关系。 一、序列相关 二、非平稳时间序列 §2.4 非平稳序列的单位根检验 检查序列平稳性的标准方法是单位根检验。有6种单位根检验方法：ADF检验、DFGLS检验、PP检验、KPSS检验、ERS检验和NP检验，重点将介绍DF检验、ADF检验。 DF检验的局限性：只有当序列为AR(1) 时才有效。如果序列存在高阶滞后相关，这就违背了扰动项是独立同分布的假设。在这种情况下，使用增广的DF检验方法（augmented Dickey-Fuller test ），即用ADF来检验含有高阶序列相关的序列的单位根。 ADF检验 ADF检验方法通过在回归方程右边加入因变量yt 的滞后差分项来控制高阶序列相关 (2.7) (2.8) (2.9) 例2 检验中国GDP序列的平稳性 在图2.1中，我们可以观察到GDP具有明显的上升趋势。在ADF检验时选择含有常数项和时间趋势项。GDP序列的ADF检验如下： 检验结果显示，GDP序列以较大的P值，即87.83%的概率接受原假设，即存在单位根的结论。 将GDP序列做1阶差分，然后对ΔGDP进行ADF检验，结果如下： 检验结果显示，ΔGDP序列在5%的显著性水平下拒绝原假设，接受不存在单位根的结论，即GDP ～ I (1) 。 三、协整和误差修正模型 一般而言，经济变量非平稳，多为I(1)或I(2) 。变量非平稳，但某些经济变量的线性组合却有可能是平稳的。比如净收入与消费、政府支出与税收、男、女人口比例等都存在这种均衡关系。虽然经济变量在变化中经常会离开均衡点，但内在的均衡机制将不断地消除偏差维持均衡关系。 非平稳经济变量间存在的这种长期稳定的均衡关系称作协整(co-integration) 。协整是对非平稳经济变量长期均衡关系的统计描述。 §3.1 协整的定义 k 维向量Yt=（y1t，y2t，…，ykt）?的分量间被称为d,b阶协整，记为Yt ～ CI (d，b)，如果满足： (1) Yt ～ I (d)，要求 Yt 的每个分量 yit ～I (d)； (2)存在非零向量 ? ，使得 ? ? Yt ～ I (d - b)，0 b ≤ d 。 简称 Yt 是协整的，向量? 又称为协整向量。 * * 在时间序列模型的发展过程中，一个重要的特征是对统计均衡关系做某种形式的假设，其中一种非常特殊的假设就是平稳性的假设。而大多数经济时间序列都是非平稳的，因此，由20世纪80年代初Granger提出的协整概念，引发了非平稳时间序列建模从理论到实践的飞速发展。 一、序列相关 三、协整和误差修正模型 二、非平稳时间序列 四、Eviews案例应用 §1.1 序列相关及其产生的后果