平稳性检验精品课件

1、平稳性检验第1页，共33页，2022年，5月20日，7点1分，星期三时间序列的平稳性时间序列数据的平稳性 假定某个时间序列是由某一随机过程生成，即假定时间序列 的每一个数值都是从一个概率分布中随机得到，如果 满足下列条件：（1）均值 ，与时间t无关的常数（2）方差 ，与时间t无关的常数（3）协方差 ，只于时间间隔k有关，而与时间t无关的常数 则称该随机时间序列是平稳的，这一随机过程是一平稳随机过程。第2页，共33页，2022年，5月20日，7点1分，星期三平稳性的判断1、图示判断 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程，而非平稳的序列则往往表现出在不同的时间段具有不同

2、的均值。如下图第3页，共33页，2022年，5月20日，7点1分，星期三平稳时间序列和非平稳时间序列图第4页，共33页，2022年，5月20日，7点1分，星期三2、样本自相关函数及其图形 A、自相关函数（autocorrelation function, ACF) 分子是时间序列滞后k期的协方差，分母是方差，ACF是关于滞后k期的递减函数。B、样本自相关函数（sample autocorrelation function) 随着k的增加，样本自相关函数下降且趋于零，然而平稳序列要比非平稳下降速度快得多。第5页，共33页，2022年，5月20日，7点1分，星期三 平稳时间序列与非平稳时间序列样本

3、相关图第6页，共33页，2022年，5月20日，7点1分，星期三QLB统计量 可通过QLB统计量检验对所有k0，自相关系数都为0的联合假设，该统计量近似的服从自由度为m的x2分布。因此，如果计算出的Q值大于显著性水平为的临界值，则有1-的把握拒绝所有 同时为0的假设第7页，共33页，2022年，5月20日，7点1分，星期三非平稳时间序列的Q值第8页，共33页，2022年，5月20日，7点1分，星期三平稳时间序列的Q值第9页，共33页，2022年，5月20日，7点1分，星期三3、平稳性的单位根检验A、DF检验 随机游走序列 是非平稳的，其中 是白噪声。而该序列可看成是随机模 型 中参数 时的情形

4、。即对上式做回归，如果发现 ，则称随机变量Xt有一个单位根。一个有单位根的时间序列就是随机游走序列，而随机游走序列是非平稳的。因此，通过上式判断是否有单位根，就是时间序列平稳性的单位根检验。第10页，共33页，2022年，5月20日，7点1分，星期三检验原理通过检验带有截距项的一阶自回归模型中参数 是否小于1，或其等价变形式中的参数 是否小于0。备择假设零假设 第11页，共33页，2022年，5月20日，7点1分，星期三B、ADF检验 为了保证DF检验中随机干扰项的白噪声特性，Dickey和Fuller对DF检验进行了扩充，形成ADF检验（augment Dickey-Fuller test）

5、。 模型1： 模型2： 模型3： 零假设： ，即存在一单位根。 第12页，共33页，2022年，5月20日，7点1分，星期三检验时从模型3开始，然后模型2和模型1.何时检验拒绝零假设，即原序列不存在单位根，为平稳序列，何时停止检验。否则知道检验完模型1为止。 较为简单的检验是同时估计出三个模型的恰当形式，然后通过ADF临界值表检验零假设 。只要其中有一个模型的检验结果拒绝了零假设，就可以认为时间序列是平稳的。当三个模型的检验结果都不能拒绝零假设时，则认为时间序列是非平稳的。模型恰当形式为在每个模型中选取恰当的滞后差分项，以使模型的残差项为一个白噪声。 第13页，共33页，2022年，5月20日

6、，7点1分，星期三单 整随机游走序列 差分后等价地变形为 为一白噪声，因此差分后的序列 是平稳的。 如果一个时间序列经过一次差分变成平稳的，就称原序列为1阶单整（integrated of 1)序列，记为 I（1）。一般来说，如果一个时间序列经过d次差分后变为平稳序列，则称原序列是d阶单整（integrated of d)序列，记为I(d).第14页，共33页，2022年，5月20日，7点1分，星期三随机游走模型最简单的随机时间序列 是一具有零均值同方差的独立分布序列： 该序列常被称为一个白噪声，白噪声序列是平稳的。一简单的随机时间序列被称为随机游走（random walk),其生成过程如下：

7、 根据平稳性的定义可知，此序列为非平稳的。 Random1 为一随机过程生成的有19个样本的随机时间序列。 Random2 为由上式生成的一随机游走时间序列样本，随机项是由 Ramdom1表示的白噪声。第15页，共33页，2022年，5月20日，7点1分，星期三在Eviews下建立新的Workfile，导入两随机序列的数据。双击打开ram1，得到random1的spreadsheet。点击菜单中的View键，选择Graphline，得到random1的样本时序图。同理，我们可以得到random2的样本图第16页，共33页，2022年，5月20日，7点1分，星期三纯随机序列Random1和随机游

8、走序列Random2样本图第17页，共33页，2022年，5月20日，7点1分，星期三在random1和random2的spreadsheet的菜单中，点击view键，选择correlogram,得到一对话框，选择level，滞后期设为17期，点击ok,得到random1的相关图，同理，可得到random2的相关图。第18页，共33页，2022年，5月20日，7点1分，星期三Random1&Random2样本自相关系数图第19页，共33页，2022年，5月20日，7点1分，星期三Random1&Random2的Q统计量第20页，共33页，2022年，5月20日，7点1分，星期三从纯随机序列图形

9、看，其样本均值在0附近上下波动，样本自相关系数迅速下降到0，随后在0附近波动且逐渐收敛于0.从Q统计量来看，滞后17期的计算值为26.381，为超过5%的显著性水平下的临界值27.58，因此可以接受所有的自相关系数都为0的假设。因此，该随机过程为一平稳过程。序列Random2 是由随机游走序列生成的一随机游走时间序列样本。从图形中可以看出，该序列具有相同的均值，但从样本自相关图中可以看出，虽然自相关系数迅速下降到0，但随着时间的推移，则在0附近呈发散趋势。观察之后一期的Q值及其相伴概率，发现在5%的显著性水平下拒绝所有自相关系数都为0的假设。因此，随机游走序列是非平稳的。第21页，共33页，2

10、022年，5月20日，7点1分，星期三案例分析检验中国支出法GDP时间序列的平稳性。（1）画时间序列图（2）求中国支出法时间序列的相关图和偏相关 图（3）进行单位根检验第22页，共33页，2022年，5月20日，7点1分，星期三时间序列图从工作文件窗口中双击所要选择的变量GDP，打开GDP的数据窗口。点击View键，选择Line Graph，得到中国支出法GDP的时间序列图。第23页，共33页，2022年，5月20日，7点1分，星期三GDP时间序列图第24页，共33页，2022年，5月20日，7点1分，星期三其图形持续上升，表明在不同的时间段上，其均值是不同的，因此可以初步判断中国支出法GDP

11、时间序列是非平稳的。对其做差分，观察其差分序列图。在Eviews 主菜单中点击Quick键，选择Generate Series 功能，在打开的窗口中输入 DG=GDP-GDP(-1) or DG=D(GDP） 从而生成GDP的差分序列DG。按照相同的方法，绘制出中国支出法的差分序列图第25页，共33页，2022年，5月20日，7点1分，星期三自相关图在中国支出法GDP数据窗口中点击View键，选择Correlogram功能，可以得到对话框。其包括两种选择： 第26页，共33页，2022年，5月20日，7点1分，星期三 a：对原变量（Level)还是对其一阶差分变量（1st difference

12、）、二次差分（2nd difference)画相关图。 b：确定相关图的滞后期（Lags to include)。在这里，我们选择对原变量画相关图，滞后期选择为12期第27页，共33页，2022年，5月20日，7点1分，星期三GDP自相关图第28页，共33页，2022年，5月20日，7点1分，星期三单位根检验ADF检验 在中国支出法GDP数据窗口点击View键，选择Unit Root Test 功能，弹出单位根检验对话框，如图所示第29页，共33页，2022年，5月20日，7点1分，星期三选择ADF检验，检验式中不包含趋势项和截距项。点击OK，得到检验结果如下：第30页，共33页，2022年，5月20日，7点1分，星期三从检验结果中可以看出，ADF=4.1398,分别大于不同检验水平的三个临界值，所以中国支付法GDP是一个非平稳序列。同样从原假设的相伴概率中可以看出，接受原假设，即序列存在一个单位根的相伴概率为99%，因此，也应该接受原假设，序列存在单位根，为非平稳序列。在此情形下，我们对GDP的差分序列进行单位根检验。第31页，共33页，2022年，5月20日，7点1分，星期三在序列GDP窗口，