计量经济学第七讲-时间序列分析

第七讲时间序列分析TimeSeriesAnalysisTuesday,16Dec.2008CUFE引言大多数经济数据特别是宏观经济数据为时间序列数据。所以对时间序列进行计量经济学分析在计量经济学中占有十分重要地位。本章着重介绍时间序列分析中用到的一些基本概念，以便使学生对这一领域的研究有一个初步的了解。为进一步的学习和研究打下基础。时间序列变量与横截面变量在性质上有很大不同。比如，对于两个没有任何关系的时间序列变量，如果用传统的估计方法将其中之一对另一变量进行回归，往往都能得到从统计数据来看较好的拟合结果，这就是所谓的“谬误回归”或“伪回归”（spuriousregression）问题。所以通过对时间序列的样本值的分析来估计产生这个时间序列样本的随机过程的性质，对回归分析是十分重要的。Tuesday,16Dec.2008CUFE时间序列分析

TimeSeriesAnalysis第一节 时间序列分析的基本概念第二节 平稳性检验第三节 协整Tuesday,16Dec.2008CUFE经济分析通常假定所研究的经济理论中涉及的变量之间存在着长期均衡关系。按照这一假定，在估计这些长期关系时，计量经济分析假定所涉及的变量的均值和方差是常数，不随时间而变。第一节、时间序列分析的基本概念然而经验研究表明，在大多数情况下，时间序列变量并不满足这一假设。因此，以这种假设为基础的估计方法所给出的经典t检验和F检验，会给出产生误导作用的结果，也就是所谓的“伪回归”问题（‘spurious’regressionproblem）。为解决这类问题，研究人员提出了不少对传统估计方法的改进建议，其中最重要的两项是：对变量的非平稳性(non-stationarity)的系统性检验和协整（cointegration）。Tuesday,16Dec.2008CUFE协整（cointegration）

协整分析被认为是上世纪八十年代中期以来计量经济学领域最具革命性的进展。

简单地说，协整分析涉及的是一组变量，它们各自都是不平稳的（含义是随时间的推移而上行或下行），但它们一起漂移。这种变量的共同漂移使得这些变量之间存在长期的线性关系，因而使人们能够研究经济变量间的长期均衡关系。如果这些长时间内的线性关系不成立，则对应的变量被称为是“非协整的”（noncointegrated）。Tuesday,16Dec.2008CUFE误差修正模型（ECM）一般说来，协整分析是用于非平稳变量组成的关系式中长期均衡参数估计的技术。它是用于动态模型（dynamicmodels）的设定、估计和检验的一种新技术。因此，它可用来检验基础经济理论是否正确。此外，协整分析亦可用于短期或非均衡参数的估计，这是因为短期参数的估计可以通过协整方法使用长期参数估计值，采用的模型是误差修正模型（ECM：errorcorrectionmodel）。下面先介绍所涉及的一些术语和定义。Tuesday,16Dec.2008CUFE平稳性（stationarity）第一节、时间序列分析的基本概念

任何时间序列数据都可看成由一个随机过程产生的结果或者说是一个随机过程的一个实现：设X1,X2,…,Xn为一随机时间序列，其中每一项都是随机的，则有关这一随机时间序列的观测值所组成的序列就是这一随机时间序列的一个实现或者说一个样本。我们对时间序列的研究往往是根据随机时间序列的一个样本来推断时间序列总体的性质进而进行预测。在前面的回归分析中，我们曾假定解释变量是非随机的，但实际上大多数经济数据特别是宏观经济数据，由于其为时间序列数据的时候居多，无论是被解释变量还是解释变量的观测数据往往可看作是随机时间序列的一个实现，从而使解释变量具有随机性。Tuesday,16Dec.2008CUFE平稳性（stationarity）第一节、时间序列分析的基本概念当解释变量与回归模型的随机扰动项相关时，就出现了内生性问题；当解释变量与回归模型中的随机扰动项无关时，解释变量即使是随机的，经典回归的有关结论仍然适用，但前提条件是模型设定正确。然而，模型设定是否正确在相当程度上取决于时间序列的稳定特征。时间序列的平稳性分析不仅对时间序列本身十分重要，而且对包括时间序列的经典回归分析十分重要。Tuesday,16Dec.2008CUFE平稳性（stationarity）严格平稳性（strict-sensestationarity）

如果一个时间序列Xt的联合概率分布不随时间而变，即对于任何n和k，X1，X2,…,Xn的联合概率分布与X1+k，X2+k,…,Xn+k的联合分布相同，则称该时间序列是严格平稳的。第一节、时间序列分析的基本概念Tuesday,16Dec.2008CUFE平稳性（stationarity）弱平稳性（wide-sensestationarity） 由于在实践中上述联合概率分布很难确定，我们用随机变量Xt（t=1,2,…）的均值、方差和协方差代替之。如果一个时间序列满足下列条件：(1)均值E(Xt)=, t=1,2,…(2)方差Var(Xt)=E(Xt-)2=σ2,t=1,2,…(3)协方差Cov(Xt,Xt+k)=E[(Xt-)(Xt+k-)]=rk,t=1,2,…;k≠0第一节、时间序列分析的基本概念

则该时间序列是弱平稳的。Tuesday,16Dec.2008CUFE平稳性和非平稳性

通常情况下，我们所说的平稳性指的就是弱平稳性。一般来说，如果一个时间序列的均值和方差在任何时间保持恒定，并且两个时期t和t+k之间的协方差（或自协方差）仅依赖于两时期之间的距离（间隔或滞后）k，而与计算这些协方差的实际时期t无关，则该时间序列是平稳(stationary)的。 只要这三个条件不全满足，该时间序列就是非平稳(nonstationary)的。事实上，大多数经济时间序列是非平稳的。例如，在图7.1中，某国的私人消费(PC)和个人可支配收入（PDI）这两个时间序列都有一种向上的趋势，几乎可以断定它们不满足平稳性条件（7.1），因而是非平稳的。第一节、时间序列分析的基本概念Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE几种有用的时间序列模型白噪声（whitenoise）

白噪声通常用t表示，是一个纯粹的随机过程。满足

(1)E(t)=0,t成立； (2)Var(t)=σ2,t成立； (3)Cov(t,t+k)=0,t和k≠0； 白噪声可用符号表示为：t～IID(0,σ2) (注：这里IID为IndependentlyIdenticallyDistributed（独立同分布)的缩写)。Tuesday,16Dec.2008CUFE几种有用的时间序列模型随机漫步（randomwalk） 随机漫步是一个简单的随机过程，随机时间序列Xt由下式生成：

Xt=Xt-1+t

（7.5）

式中，t为白噪声。

Xt的均值：

E(Xt)=E(Xt-1+t)=E(Xt-1)+E(t)=E(Xt-1)

表明Xt的均值不随时间而变。Tuesday,16Dec.2008CUFE几种有用的时间序列模型随机漫步（randomwalk）

Xt的方差： 对式（7.5）进行一系列置换有：

Xt=Xt-1+t=Xt-2+t-1+t=…=X0+∑i

式中，X0为Xt的初始值，可假定为任何常数或取初值为零。Tuesday,16Dec.2008CUFE几种有用的时间序列模型随机漫步（randomwalk） 则

表明Xt的方差随时间而增大，平稳性的第二个条件不满足。因此，随机漫步时间序列是非平稳时间序列。可是，若将式（7.5）写成一阶差分形式：

△Xt=t

这个一阶差分新变量△Xt

是平稳的，因为它就等于白噪声t，而后者是平稳时间序列。 随机漫步过程式（7.5）也是最简单的非平稳过程。Tuesday,16Dec.2008CUFE几种有用的时间序列模型带漂移项的随机漫步（randomwalkwithdrift）

Xt=+Xt-1+t

（7.7） 式中，为一非零常数；t为白噪声。

之所以被称为“漂移项”，是因为式（7.7）的一阶差分

△Xt=Xt–Xt-1=+

t

这表明时间序列Xt向上或向下漂移，取决于的符号是正还是负。显然，带漂移项的随机漫步时间序列也是非平稳时间序列。Tuesday,16Dec.2008CUFE4、自回归过程随机漫步过程（7.5）（Xt=Xt－1+εt）是最简单的非平稳过程。它是

Xt=φXt－1+εt（7.8）的特例，（7.8）称为一阶自回归过程(AR(1))，该过程在－1＜φ＜1时是平稳的，其他情况下，则为非平稳过程。Tuesday,16Dec.2008CUFE几种有用的时间序列模型自回归过程（AR(q)） 若随机时间序列Xt由下式生成

Xt=c+Xt-1+t （7.8）

式中，c，为常数，t为白噪声过程，则式(7.8)称为一阶自回归过程，记为AR(1)。 当∣∣<1时，AR(1)过程为平稳过程。Tuesday,16Dec.2008CUFE几种有用的时间序列模型自回归过程（AR(q)）

事实上， （1）当∣∣<1时，AR(1)过程的均值为一常数： ∵所以，Tuesday,16Dec.2008CUFE几种有用的时间序列模型自回归过程（AR(q)） （2）当∣∣<1时，AR(1)过程的方差为一常数：

Tuesday,16Dec.2008CUFE几种有用的时间序列模型自回归过程（AR(q)） （3）当∣∣<1时，AR(1)过程的滞后的自协方差为一个与滞后k有关而与时间无关的常数：

Tuesday,16Dec.2008CUFE几种有用的时间序列模型自回归过程（AR(q)） 更一般地，式（7.8）又是： 的特例。式（7.9）称为q阶自回归过程，记为AR(q)。运用滞后算子L，AR(q)可写成 可以证明（略），如果特征方程 的所有根的绝对值均大于1，则此过程式（7.9）是平稳的，否则为非平稳过程。Tuesday,16Dec.2008CUFE单整的时间序列（integratedseries）

从式（7.6）可知，随机漫步序列的一阶差分序列△Xt=Xt–Xt-1是平稳序列。在这种情况下，我们说原非平稳序列Xt是“一阶单整的”，表示为I(1)。与此类似，若非平稳序列必须取二阶差分(△2Xt=△Xt–△Xt-1)才变为平稳序列，则原序列是“二阶单整的”，表示为I(2)。一般地，若一个非平稳序列必须取d阶方差才变为平稳序列，则原序列是“d阶单整的”（integratedoforderd），表示为I(d)。由定义Xt～I(d)不难看出，I(0)表示的是平稳序列，意味着该序列无须差分即是平稳的；另一方面，如果一个序列不管差分多少次，也不能变为平稳序列，则称为“非单整的”Tuesday,16Dec.2008CUFE

第二节平稳性的检验

平稳性检验的方法可分为两类：传统方法和现代方法。前者使用自相关函数(Autocorrelationfunction)，后者使用单位根(Unitroots)。单位根方法是目前最常用的方法，因此本节中，我们仅介绍单位根方法。Tuesday,16Dec.2008CUFE一．单位根考察（7.8）式的一阶自回归过程，即Xt=φXt－1+εt（7.11）其中εt为白噪声，此过程可写成Xt－φXt－1=εt或（1－φL）Xt=εt（7.12）其中L为滞后运算符，其作用是取时间序列的滞后，如Xt的一期滞后可表示为L(Xt），即L(Xt）=Xt－1Tuesday,16Dec.2008CUFE由上节所知，自回归过程Xt平稳的条件是其特征方程的所有根的绝对值大于1。由于这里特征方程为1－ΦL=0，该方程仅有一个根L=1/φ，因而平稳性要求－1＜φ＜1。因此，检验Xt的平稳性的原假设和备择假设为：H0：∣φ∣≥1Ha：∣φ∣＜1接受原假设H0表明Xt是非平稳序列，而拒绝原假设（即接受备择假设Ha）则表明Xt是平稳序列。Tuesday,16Dec.2008CUFE单位根检验方法的由来

在Φ=1的情况下，即若原假设为真，则（7.11）就是随机漫步过程（7.5），从上节得知，它是非平稳的。因此，检验非平稳性就是检验Φ=1，或者说，就是检验单位根。换句话说，单位根是表示非平稳性的另一方式。这样一来，就将对非平稳性的检验转化为对单位根的检验，这就是单位根检验方法的由来。Tuesday,16Dec.2008CUFE（7.11）式Xt=φXt－1+εt两端各减去Xt-1，我们得到Xt－Xt－1=ΦXt－1－Xt－1+εt即ΔXt=δXt－1+εt（7.13）其中Δ是差分运算符，δ=Φ－1。假设Φ为正（绝大多数经济时间序列确实如此），前面的假设H0：∣φ∣≥1Ha：∣φ∣＜1可写成如下等价形式：Tuesday,16Dec.2008CUFEH0：δ≥0Ha：δ＜0在δ=0的情况下，即若原假设为真，则相应的过程是非平稳的。换句话说，非平稳性或单位根问题，可表示为Φ=1或δ=0。从而我们可以将检验时间序列Xt的非平稳性的问题简化成在方程（7.11）的回归中，检验参数Φ=1是否成立或者在方程（7.13）的回归中，检验参数δ=0是否成立。Tuesday,16Dec.2008CUFE这类检验可用t检验进行，检验统计量为：

或（7.14）其中，和分别为参数估计值和的标准误差，即这里的问题是，（7.14）式计算的t值不服从t分布，而是服从一个非标准的甚至是非对称的分布。因而不能使用t分布表，需要用另外的分布表。Tuesday,16Dec.2008CUFE二．Dickey-Fuller检验（DF检验）迪奇（Dickey）和福勒（Fuller）以蒙特卡罗模拟为基础，编制了（7.14）中tδ统计量的临界值表，表中所列已非传统的t统计值，他们称之为τ统计值。这些临界值如表7.1所示。后来该表由麦金农（Mackinnon）通过蒙特卡罗模拟法加以扩充。Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE有了τ表，我们就可以进行DF检验了，DF检验按以下两步进行：第一步：对（7.13）式执行OLS回归，即估计△Xt=δXt-1+εt（7.15）得到常规tδ值。第二步：检验假设H0：δ=0Ha：δ＜0用上一步得到的tδ值与表7.1中查到的τ临界值比较，判别准则是：若tδ>τ，则接受原假设H0，即Xt非平稳。若tδ＜τ，则拒绝原假设H0，Xt为平稳序列。Tuesday,16Dec.2008CUFEDickey和Fuller注意到τ临界值依赖于回归方程的类型。因此他们同时还编制了与另外两种类型方程中相对应的τ统计表，这两类方程是：△Xt=α+δXt-1+εt（7.16）和△Xt=α+βt+δXt-1+εt（7.17）二者的τ临界值分别记为τμ和τT。这些临界值亦列在表7.1中。尽管三种方程的τ临界值有所不同，但有关时间序列平稳性的检验依赖的是Xt-1的系数δ，而与α、β无关。例7.1检验某国私人消费时间序列的平稳性。Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE

用表7.2中的私人消费（Ct）时间序列数据，估计与（7.16）和（7.17）相对应的方程，分别得到如下估计结果：(1)△=12330.48-0.01091Ct-1R2=0.052(t:)(5.138)(-1.339)DW=1.765(2)△=15630.83+346.4522t-0.04536Ct-1R2=0.057(t:)(1.966)(0.436)(-0.5717)DW=1.716

两种情况下，tδ值分别为-1.339和-0.571，二者分别大于表7.1中从0.01到0.10的各种显著性水平下的τμ值和ττ值。因此，两种情况下都不能拒绝原假设，即私人消费时间序列有一个单位根，或换句话说，它是非平稳序列。Tuesday,16Dec.2008CUFE

下面看一下该序列的一阶差分（△Ct）的平稳性。做类似于上面的回归，得到如下结果：(3)△2=7972.671-0.85112△Ct-1R2=0.425(t:)(4.301)(-4.862)DW=1.967(4)△2=10524.35-114.461t-0.89738△Ct-1R2=0.454(t:)(3.908)(-1.294)(-5.073)DW=1.988其中△2Ct=△Ct-△Ct-1。Tuesday,16Dec.2008CUFE

两种情况下，tδ值分别为-4.862和-5.073，二者分别小于表7.1中从0.01到0.10的各种显著性水平下的τμ值和τT值。因此，都拒绝原假设，即私人消费一阶差分时间序列没有单位根，或者说该序列是平稳序列。综合以上结果，我们的结论是：△Ct是平稳序列，△Ct～I(0）。而Ct是非平稳序列，由于△Ct～I(0），因而Ct～I(1）。Tuesday,16Dec.2008CUFE第三节协整

让我们考察弗里德曼的持久收入假设：私人总消费（Ct）是持久私人消费和暂时性私人消费（εt）之和，持久私人消费与持久个人可支配收入（Yt）成正比。则消费函数为：(7.18)其中0＜β1≤1。用表7.2中数据对此消费函数进行OLS估计，假定持久个人收入等于个人可支配收入，我们得到：=0.80969YtR2=0.9924(t:)(75.5662)DW=0.8667Tuesday,16Dec.2008CUFE

除DW值低以外，估计结果很好。t值很高表明回归系数显著，R2也很高，表明拟合很好。可是，由于方程中的两个时间序列是趋势时间序列或非平稳时间序列，因此这一估计结果有可能形成误导。结果是，OLS估计量不是一致估计量，相应的常规推断程序不正确。这种结果看上去非常好但涉及的变量是趋势时间序列的回归被Granger和Newbold称为“伪回归”(Spuriousregression)。当回归方程中涉及的时间序列是非平稳时间序列时，OLS估计量不再是一致估计量，相应的常规推断程序会产生误导。这就是所谓的“伪回归”问题。

Tuesday,16Dec.2008CUFE

他们指出，如果在时间序列的回归中DW值低于R2，则应怀疑有伪回归的可能。我们上面的结果正是如此（R2=0.9924>DW=0.8667）。

考虑到经济学中大多数时间序列是非平稳序列，则我们得到伪回归结果是常见的事。避免非平稳性问题的常用方法是在回归中使用时间序列的一阶差分。可是，使用变量为差分形式的关系式更适合描述所研究的经济现象的短期状态或非均衡状态，而不是其长期或均衡状态，描述所研究经济现象的长期或均衡状态应采用变量本身。Tuesday,16Dec.2008CUFE

由上面的讨论，自然引出了一个明显的问题：我们使用非均衡时间序列时是否必定会造成伪回归？对此问题的回答是，如果在一个回归中涉及的趋势时间序列“一起漂移”，或者说“同步”，则可能没有伪回归的问题，因而取决于t检验和F检验的推断也没有问题。这种非均衡时间序列的“同步”，引出了我们下面要介绍的“协整”概念。Tuesday,16Dec.2008CUFE一．协整的概念

在方程（7.18）中，持久收入假设要求两时间序列Ct和Yt的线性组合，即时间序列Ct－β1Yt必须是平稳的，这是因为此序列等于εt，而暂时性私人消费（εt）按定义是平稳时间序列。可是，Ct和Yt都是非平稳时间序列，事实上，不难验证：Ct～I(1），Yt～I(1）。也就是说，尽管Ct～I(1），Yt～I(1），但持久收入假设要求它们的线性组合εt=Ct－β1Yt是平稳的，即εt=Ct－β1Yt～I(0）。在这种情况下，我们说时间序列Ct和Yt是协整的(Cointegrated)。下面给出协整(Cointegration)的正式定义。Tuesday,16Dec.2008CUFE协整的定义

如果两时间序列Yt～I(d)，Xt～I(d)，并且这两个时间序列的线性组合a1Yt+a2Xt是(d-b)阶单整的，即a1Yt+a2Xt～I(d-b)（d≥b≥0），则Yt和Xt被称为是（d,b）阶协整的。记为Yt,Xt～CI(d,b)这里CI是协整的符号。构成两变量线性组合的系数向量（a1，a2）称为“协整向量”。Tuesday,16Dec.2008CUFE

下面给出本节中要研究的两个特例。1、 Yt,Xt～CI(d,d）在这种情况下，d=b，使得a1Yt+a2Xt～I(0），即两时间序列的线性组合是平稳的，因而Yt,Xt～CI(d,d）。2、 Yt,Xt～CI(1,1)在这种情况下，d=b=1，同样有a1Yt+a2Xt～I(0)，即两时间序列的线性组合是平稳的，因而Yt,Xt～CI(1,1）。Tuesday,16Dec.2008CUFE

让我们考虑下面的关系Yt=β0+β1Xt（7.19）

其中，Yt～I(1），Xt～I(1）。当0=Yt－β0－β1Xt时，该关系处于长期均衡状态。对长期均衡的偏离，称为“均衡误差”，记为εt：εt=Yt－β0－β1Xt

Tuesday,16Dec.2008CUFE

若长期均衡存在，则均衡误差应当围绕均衡值0波动。也就是说，均衡误差εt应当是一个平稳时间序列，即应有εt～I(0），E(εt）=0。按照协整的定义，由于Yt～I(1），Xt～I(1），且线性组合εt=Yt－β0－β1Xt～I(0）因此，Yt和Xt是（1，1）阶协整的，即Yt，Xt～CI(1,1）协整向量是（1,－β0,－β1）

Tuesday,16Dec.2008CUFE

综合以上结果，我们可以说，两时间序列之间的协整是表示它们之间存在长期均衡关系的另一种方式。因此，若Yt和Xt是协整的,并且均衡误差是平稳的且具有零均值，我们就可以确信，方程Yt=β0+β1Xt+εt（7.20）将不会产生伪回归结果。由上可知，如果我们想避免伪回归问题，就应该在进行回归之前检验一下所涉及的变量是否协整。Tuesday,16Dec.2008CUFE二．协整的检验

我们下面介绍用于检验两变量之间协整的两种简单方法。1、Engle-Granger法步骤1.用上一节介绍的单位根方法求出两变量的单整的阶，然后分情况处理,共有三种情况：（1） 若两变量的单整的阶相同，进入下一步；（2） 若两变量的单整的阶不同，则两变量不是协整的；（3） 若两变量是平稳的，则整个检验过程停止，因为你可以采用标准回归技术处理。Tuesday,16Dec.2008CUFE

步骤2.若两变量是同阶单整的，如I(1），则用OLS法估计长期均衡方程（称为协整回归）：Yt=β0+β1Xt+εt并保存残差et，作为均衡误差εt的估计值。

应注意的是，虽然估计出的协整向量（1，－，－）是真实协整向量（1，－β0，－β1）的一致估计值，这些系数的标准误差估计值则不是一致估计值。由于这一原因，标准误差估计值通常不在协整回归的结果中提供。Tuesday,16Dec.2008CUFE步骤3.对于两个协整变量来说，均衡误差必须是平稳的。为检验其平稳性，对上一步保存的均衡误差估计值（即协整回归的残差et）应用单位根方法。具体作法是将Dickey—Fuller检验法用于时间序列et，也就是用OLS法估计形如下式的方程：△et=δet-1++νt（7.21）

有两点须提请注意：（1）（7.21）式不包含常数项，这是因为OLS残差et应以0为中心波动。（2）Dickey—Fullerτ统计量不适于此检验，表7.3提供了用于协整检验的临界值表。Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE

由表7-3中可见，Ct和Yt都是非平稳的，而ΔCt和ΔYt都是平稳的。这就是说，Ct～I(1），Yt～I(1）因而我们可以进入下一步。Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE

第四步，得出有关两变量是否协整的结论。用tδ＝－3.150与表7－3中的临界值相比较（m=2），采用显著性水平α=0.05，tδ大于临界值τ，因而接受et非平稳的原假设，意味着两变量不是协整的，我们不能说在私人消费和个人可支配收入之间存在着长期均衡关系。可是，如果采用显著性水平α=0.10，则－3.150与表7－3中的临界值大致相当，因而可以预期，若α=0.11，tδ将小于临界值τ，我们接受et为平稳的备择假设，即两变量是协整的，或者说两变量之间存在着长期均衡关系。Tuesday,16Dec.2008CUFE2、Durbin-Watson法

此方法非常简单，步骤如下：步骤1.估计协整回归方程Yt=β0+β1Xt+εt

保存残差et，计算DW统计值（现称为“协整回归”Durbin—Watson统计值（CRDW）），即CRDW=其中为残差的算术平均值。Tuesday,16Dec.2008CUFE步骤2.根据下述原假设和备择假设得出有关两变量协整的结论：H0：et非平稳，即非协整H1：et平稳，即协整若CRDW＜d，则接受原假设H0；若CRDW＞d，则拒绝原假设H0。这里原假设成立的临界d值为d=0，对应于显著性水平为0.01，0.05和0.10的临界值分别为0.511，0.386和0.322。Tuesday,16Dec.2008CUFE例7.3某国私人消费和个人可支配收入的协整

将CRDW应用于上例。第一步：由上例中（7.26）式知CRDW=1.021第二步：因为CRDW=1.021大于上面提到的临界值,故拒绝原假设，接受备择假设，因此得出结论：私人消费和个人可支配收入可以协整。Tuesday,16Dec.2008CUFE三．误差修正模型（ECM）的估计

协整分析中最重要的结果可能是所谓的“格兰杰代表定理”（Grangerrepresentationtheorem）。按照此定理，如果两变量Yt和Xt是协整的，则它们之间存在长期均衡关系。当然，在短期内，这些变量可以是不均衡的，扰动项是均衡误差εt。两变量间这种短期不均衡关系的动态结构可以由误差修正模型（errorcorrectionmodel）来描述，ECM模型是由Sargan提出的。这一联系两变量的短期和长期行为的误差修正模型由下式给出：

Tuesday,16Dec.2008CUFEΔYt=滞后的（ΔYt，ΔXt）+λεt-1+vt（7.28）－1＜λ＜0其中Yt～I(1），Xt～I(1）Yt，Xt～CI(1，1）εt=Yt－β0－β1Xt～I（0）vt=白噪声，λ为短期调整系数。（7.28）式是ECM模型的一般形式，实践中可根据情况建立具体的ECM模型。最简单的是一阶ECM模型，形式如下：Tuesday,16Dec.2008CUFE不难看出，在（7.28）中，所有变量都是平稳的，因为Yt～I(1)，Xt～I(1)ΔYt～I(0)，ΔXt～I(0)；Yt,Xt～CI(1,1)εt～I(0))因此，有人或许会说，该式可用OLS法估计。但事实上不行，因为均衡误差εt不是可观测变量。因而在估计该式之前，要先得到这一误差的值。Tuesday,16Dec.2008CUFEEngle和Granger建议采用下述两步方法估计方程(7.28):第一步：估计协整回归方程Yt=β0+β1Xt+εt得到协整向量的一致估计值（1，－，－），用它得出均衡误差εt的估计值et=Yt－－Xt第二步：用OLS法估计下面的方程ΔYt=滞后的（ΔYt,ΔXt）+λet-1+vt（7.29）Tuesday,16Dec.2008CUFE例7.4估计某国私人消费和个人可支配收入之间的误差修正模型。第一步：由例7.2中7.26式协整回归的结果：

=11907.23+0.779585Yt(7.30)(t:)(3.123)(75.566)R2=0.994DW=1.021我们得到残差et。Tuesday,16Dec.2008CUFE

第二步：估计误差修正模型，结果如下：=5951.557+0.28432ΔYt－

0.19996et-1(7.31)(t:)(7.822)(6.538)(－2.486)R2=0.572DW=1.941

（7.31）中的结果表明个人可支配收入Yt的短期变动对私人消费存在正向影响。此外，由于短期调整系数是显著的，表明每年实际发生的私人消费与其长期均衡值的偏差中的20%（0.19996）被修正。Tuesday,16Dec.2008CUFE以韩德瑞(D.F.Hendry)为代表的动态建模方法（也称为伦敦经济学院(LSE)方法）指出自回归分布滞后模型（ADL）是最通用的线性模型形式。当变量为非平稳时间序列时ADL模型尤为适用，因为只要模型包括了足够多的滞后项，就一定能摆脱单位根的困扰。当变量间存在协整关系时，ECM模型便成为ADL模型的一个特例。以一阶ADL模型（7.31)为例，Hendry对模型变量进行了等价变换，得到（7.32）所示的ECM模型。Tuesday,16Dec.2008CUFE即Tuesday,16Dec.2008CUFE式（7.33）将依次分解为三个具有不同含义的部分：短期扰动、非均衡项和白噪声。称为负反馈系数。当Yt～I(1)，Xt～I(1）时，式（7.33）方程左边ΔYt～I(0），方程右边ΔXt～I(0），εt～I(0）。如果非均衡项～I(0)，则Yt与Xt存在（1，1）阶协整关系。Tuesday,16Dec.2008CUFEHendry论证了

对应经济理论模型中的长期均衡解，它自身不含任何变动的趋势。当外生变量的波动引起

时，该相对于长期均衡解的非均衡项在负反馈系数的作用下引起的延迟波动，促使重新回到其长期均衡解，因此称式（7.33）为“均衡修正模型”或“误差修正模型”。Tuesday,16Dec.2008CUFE实际建模中，Hendry的动态建模方法主张从“一般到特殊”的原则，从包含被解释变量的最广泛影响因素的ADL模型开始，逐级约化，每一步约化都需要满足各项检验标准，力求在数据信息损失最小的情况下得到包含被解释变量长期均衡关系的最简洁的ECM模型，有效避免了“伪回归”问题。这一动态建模方法已成为当今主流经济计量建模方法之一。Tuesday,16Dec.2008CUFE例7.5运用动态建模方法估计某国私人消费和个人可支配收入之间的误差修正模型。第一步：确定私人消费和个人可支配收入的单整阶数，由例7.1知:Ct～I(1）和Yt～I(1）。第二步：建立ADL模型。取ADL模型滞后阶数为2时，运用OLS法，方程估计通过自相关、异方差、正态分布等各项检验。表明可以从滞后阶数为2的ADL模型开始对方程进行约化。

Tuesday,16Dec.2008CUFE第三步：逐级约化ADL模型为最简化模型，原则是在通过各项检验标准的条件下，运用OLS法逐步略去方程中t检验值最不显著的变量。具体将式（7.33）中的Ct-2和Yt-2分别依次略去，最终得到各变量均显著的最简化模型（7.34）。可以看出，拟合方程的标准差由式（7.33）的3387.68下降为式（7.34）的3355.41，方程得到了优化。Tuesday,16Dec.2008CUFE第四步：将最简化模型应变量改写为一阶差分形式，并设定ECM项。 依据式（7.32）的推导，令ECMt=Ct-0.767*Yt，其中-0.767=0.1538/(-0.2006)。由于式（7.36）只是对式（7.35）进行了变量的等价变换，因此方程的标准差没有发生变化，均是3355.41。可以验证ECMt～I(0)，即Ct与Yt存在协整关系。Tuesday,16Dec.2008CUFE第五步：运用OLS法得到包含ECM项的误差修正模型。

（7.37）同（7.36）相比，由于少了一个变量，方程的标准差得以减少，方程更为简洁和优化。此时，可将常数项写入均衡项，有：式（7.38）表明Ct和Yt的长期均衡关系式是Tuesday,16Dec.2008CUFE小结

本章重点介绍了时间序列分析中用到的一些基本概念和方法。一.平稳性和非平稳性一般来说，如果一个时间序列的均值和方差在任何时间保持恒定，并且两个时期t和t+k之间的协方差仅依赖于两时期之间的距离（间隔或滞后）k，而与计算这些协方差的实际时期t无关，则该时间序列是平稳的。只要这三个条件不全满足，则该时间序列是非平稳的。事实上，大多数经济时间序列是非平稳的。若一个非平稳序列Xt必须取d阶差分才变为平稳序列，则Xt是“d阶单整的”，表示为Xt~I(d）。Tuesday,16Dec.2008CUFE二.平稳性检验平稳性检验的方法有自相关函数法和单位根方法两类，本章中介绍了单位根方法。单位根是表示非平稳性的另一方式，单位根方法将对非平稳性的检验转化为对单位根的检验，本章介绍的DF检验法简单实用，是目前最常用的单位根方法。DF检验按以下两步进行：第一步：用OLS法估计△Xt=δXt-1+εt，得到常规tδ值。第二步：检验假设H0：δ=0Ha：δ＜0若接受原假设H0，则Xt非平稳。Tuesday,16Dec.2008CUFE三．协整分析协整分析是用于非平稳变量组成的关系式中长期均衡参数估计的技术。协整分析涉及的是一组变量，它们各自都是不平稳的，但它们同步。这种变量的同步使得这些变量之间存在长期的线性关系，因而使人们能够研究经济变量间的长期均衡关系。如果这种长期线性关系不成立，则对应的变量被称为是“非协整的”。协整的定义是：如果两时间序列Yt～I(d），Xt～I(d），并且这两个时间序列的线性组合a1Yt+a2Xt是(d-b)阶单整的，即a1Yt+a2Xt～I(d-b）（d≥b≥0），则Yt和Xt被称为是（d，b）阶协整的。记为Yt，Xt～CI(d，b）。

Tuesday,16Dec.2008CUFE

当回归方程中涉及的时间序列是非平稳时间序列时，OLS估计量不再是一致估计量，相应的常规推断程序会产生误导。这就是所谓的“伪回归”问题。可是，如果Yt和Xt是协整的,并且均衡误差是平稳的且具有零均值，我们就可以确信，方程Yt=β0+β1Xt+εt将不会产生伪回归结果。

因此，要避免伪回归问题，就应该在进行回归之前检验一下所涉及的变量是否协整。本章介绍了两种检验协整的方法：Engle-Granger法和Durbin-Watson法。协整分析亦可用于短期或非均衡参数的估计，按照戈兰杰代表定理，如果两变量Yt和Xt是协整的，则它们之间存在长期均衡关系。当然，在短期内，这些变量可以是不均衡的，扰动项是均衡误差εt。两变量间这种短期不均衡关系的动态结构可以由误差修正模型来描述。Tuesday,16Dec.2008CUFE复习思考题1．请说出平稳时间序列和非平稳时间序列的区别，并解释为什么在实证分析中确定经济时间序列的性质是十分必要的。2．什么是伪回归？在回归中使用非均衡时间序列时是否必定会造成伪回归？3．有人说，协整分析实质上是一种缺乏理论基础的“归纳(inductive)”方法。请对上述说法谈谈你的看法。Tuesday,16Dec.2008CUFE谢谢!

Q&ATuesday,16Dec.2008CUFE安全阀基本知识如果压力容器(设备/管线等)压力超过设计压力…1.尽可能避免超压现象堵塞(BLOCKED)火灾(FIRE)热泄放(THERMALRELIEF)如何避免事故的发生?2.使用安全泄压设施爆破片安全阀如何避免事故的发生?01安全阀的作用就是过压保护!一切有过压可能的设施都需要安全阀的保护!这里的压力可以在200KG以上,也可以在1KG以下!设定压力(setpressure)安全阀起跳压力背压(backpressure)安全阀出口压力超压(overpressure)表示安全阀开启后至全开期间入口积聚的压力.几个压力概念弹簧式先导式重力板式先导+重力板典型应用电站锅炉典型应用长输管线典型应用罐区安全阀的主要类型02不同类型安全阀的优缺点结构简单,可靠性高适用范围广价格经济对介质不过分挑剔弹簧式安全阀的优点预漏--由于阀座密封力随介质压力的升高而降低,所以会有预漏现象--在未达到安全阀设定点前,就有少量介质泄出.100%SEATINGFORCE75502505075100%SETPRESSURE弹簧式安全阀的缺点过大的入口压力降会造成阀门的频跳,缩短阀门使用寿命.ChatterDiscGuideDiscHolderNozzle弹簧式安全阀的缺点弹簧式安全阀的缺点=10090807060500102030405010%OVERPRESSURE%BUILT-UPBACKPRESSURE%RATEDCAPACITY普通产品平衡背压能力差.在普通产品基础上加装波纹管,使其平衡背压的能力有所增强.能够使阀芯内件与高温/腐蚀性介质相隔离.平衡波纹管弹簧式安全阀的优点优异的阀座密封性能,阀座密封力随介质操作压力的升高而升高,可使系统在较高运行压力下高效能地工作.ResilientSeatP1P1P2先导式安全阀的优点平衡背压能力优秀有突开型/调节型两种动作特性可远传取压先导式安全阀的优点对介质比较挑剃,不适用于较脏/较粘稠的介质,此类介质会堵塞引压管及导阀内腔.成本较高.先导式安全阀的缺点重力板式产品的优点目前低压储罐呼吸阀/紧急泄放阀的主力产品.结构简单.价格经济.重力板式产品的缺点不可现场调节设定值.阀座密封性差,并有较严重的预漏.受背压影响大.需要很高的超压以达到全开.不适用于深冷/粘稠工况.几个常用规范ASMEsectionI-动力锅炉(FiredVessel)ASMEsectionVIII-非受火容器(UnfiredVessel)API2000-低压安全阀设计(LowpressurePRV)API520-火灾工况计算与选型(FireSizing)API526-阀门尺寸(ValveDimension)API527-阀座密封(SeatTightness)介质状态(气/液/气液双相).气态介质的分子量&Cp/Cv值.液态介质的比重/黏度.安全阀泄放量要求.设定压力.背压.泄放温度安全阀不以连接尺寸作为选型报价依据!如何提供高质量的询价?弹簧安全阀的结构弹簧安全阀起跳曲线弹簧安全阀结构弹簧安全阀结构导压管活塞密封活塞导向不平衡移动副(活塞)导管导阀弹性阀座P1P1P2先导式安全阀结构先导式安全阀的工作原理频跳安全阀的频跳是一种阀门高频反复开启关闭的现象。安全阀频跳时，一般来说密封面只打开其全启高度的几分只一或十几分之一，然后迅速回座并再次起跳。频跳时，阀瓣和喷嘴的密封面不断高频撞击会造成密封面的严重损伤。如果频跳现象进一步加剧还有可能造成阀体内部其他部分甚至系统的损伤。安全阀工作不正常的因素频跳后果1、导向平面由于反复高频磨擦造成表面划伤或局部材料疲劳实效。2、密封面由于高频碰撞造成损伤。3、由于高频振颤造成弹簧实效。4、由频跳所带来的阀门及管道振颤可能会破坏焊接材料和系统上其他设备。5、由于安全阀在频跳时无法达到需要的排放量，系统压力有可能继续升压并超过最大允许工作压力。安全阀工作不正常的因素A、系统压力在通过阀门与系统之间的连接管时压力下降超过3%。当阀门处于关闭状态时，阀门入口处的压力是相对稳定的。阀门入口压力与系统压力相同。当系统压力达到安全阀的起跳压力时，阀门迅速打开并开始泄压。但是由于阀门与系统之间的连接管设计不当，造成连接管内局部压力下降过快超过3%，是阀门入口处压力迅速下降到回座压力而导致阀门关闭。因此安全阀开启后没有达到完全排放，系统压力仍然很高，所以阀门会再次起跳并重复上述过程，既发生频跳。导致频跳的原因导致接管压降高于3%的原因1、阀门与系统间的连接管内径小于阀门入口管内径。2、存在严重的涡流现象。3、连接管过长而且没有作相应的补偿（使用内径较大的管道）。4、连接管过于复杂（拐弯过多甚至在该管上开口用作它途。在一般情况下安全阀入口处不允许安装其他阀门。）导致频跳的原因B、阀门的调节环位置设置不当。安全阀拥有喷嘴环和导向环。这两个环的位置直接影响安全阀的起跳和回座过程。如果喷嘴环的位置过低或导向环的位置过高，则阀门起跳后介质的作用力无法在阀瓣座和调节环所构成的空间内产生足够的托举力使阀门保持排放状态，从而导致阀门迅速回座。但是系统压力仍然保持较高水平，因此回座后阀门会很快再次起跳。导致频跳的原因C、安全阀的额定排量远远大于所需排量。

由于所选的安全阀的喉径面积远远大于所需，安全阀排放时过大的排量导致压力容器内局部压力下降过快，而系统本身的超压状态没有得到缓解，使安全阀不得不再次起跳频跳的原因阀门拒跳：当系统压力达到安全阀的起跳压力时，阀门不起跳的现象。安全阀工作不正常的因素1、阀门整定压力过高。2、阀门内落入大量杂质从而使阀办座和导套间卡死或摩擦力过大。3、弹簧之间夹入杂物使弹簧无法被正常压缩。4、阀门安装不当，使阀门垂直度超过极限范围（正负两度）从而使阀杆组件在起跳过程中受阻。5、排气管道没有被可靠支撑或由于管道受热膨胀移位从而对阀体产生扭转力，导致阀体内机构发生偏心而卡死。安全阀拒跳的原因阀门不回座或回座比过大：安全阀正常起跳后长时间无法回座，阀门保持排放状态的现象。安全阀工作不正常的因素1、阀门上下调整环的位置设置不当。2、排气管道设计不当造成排气不畅，由于排气管道过小、拐弯过多或被堵塞，使排放的蒸汽无法迅速排出而在排气管和阀体内积累，这时背压会作用在阀门内部机构上并产生抑制阀门关闭的趋势。3、阀门内落入大量杂质从而使阀瓣座和导套之间卡死后摩擦力过大。安全阀不回座或回座比过大的因素：4、弹簧之间夹入杂物从而使弹簧被正常压缩后无法恢复。5、由于对阀门排放时的排放反力计算不足，从而在排放时阀体受力扭曲损坏内部零件导致卡死。6、阀杆螺母（位于阀杆顶端）的定位销脱落。在阀门排放时由于振动使该螺母下滑使阀杆组件回落受阻。安全阀不回座或回座比过大的因素：7、由于弹簧压紧螺栓的锁紧螺母松脱，在阀门排放时由于振动时弹簧压紧螺栓松动上滑导致阀门的设定起跳值不断减小。

8、阀门安装不当，使阀门垂直度超过极限范围（正负两度）从而使阀杆组件在回落过程中受阻。

9、阀门的密封面中有杂质，造成阀门无法正常关闭。

10、锁紧螺母没有锁紧，由于管道震动下环向上运动，上平面高于密封面，阀门回座时无法密封安全阀不回座或回座比过大的因素：谢谢观看癌基因与抑癌基因oncogene&tumorsuppressorgene24135基因突变概述.癌基因和抗癌基因的概念.癌基因的分类.癌基因产物的作用.癌基因激活的机理主要内容疾病：

——是人体某一层面或各层面形态和功能（包括其物质基础——代谢）的异常，归根结底是某些特定蛋白质结构或功能的变异，而这些蛋白质又是细胞核中相应基因借助细胞受体和细胞中信号转导分子接收信号后作出应答（表达）的产物。TranscriptionTranslationReplicationDNARNAProtein中心法规Whatisgene?基因：

—是遗传信息的载体

—是一段特定的DNA序列（片段）

—是编码RNA或蛋白质的一段DNA片段

—是由编码序列和调控序列组成的一段DNA片段基因主宰生物体的命运：微效基因的变异——生物体对生存环境的敏感度变化关键关键基因的变异——生物体疾病——死亡所以才有：“人类所有疾病均可视为基因病”之说注：如果外伤如烧伤、骨折等也算疾病的话，外伤应该无法归入基因病的行列。Genopathy问：两个不相干的人，如果他们患得同一疾病，致病基因是否相同？再问：同卵双生的孪生兄弟，他们患病的机会是否一样，命运是否相同？┯┯┯┯

ＡＴＧＣ

ＴＡＣＧ

┷┷┷┷┯┯┯┯┯

ＡＴＡＧＣ

ＴＡＴＣＧ

┷┷┷┷┷┯┯┯┯

ＡＴＧＣ

ＴＡＣＧ

┷┷┷┷┯┯┯

ＡＧＣ

ＴＣＧ

┷┷┷┯┯┯┯

ＡＣＧＣ

ＴＧＣＧ

┷┷┷┷┯┯┯┯

ＡＴＧＣ

ＴＡＣＧ

┷┷┷┷增添缺失替换DNA分子(复制)中发生碱基对的______、______

和

，而引起的

的改变。替换增添缺失基因结构基因变异的概念：英语句子中的一个字母的改变，可能导致句子的意思发生怎样的变化？可能导致句子的意思不变、变化不大或完全改变THECATSATONTHEMATTHECATSITONTHEMATTHEHATSATONTHEMATTHECATONTHEMAT同理：替换、增添、缺失碱基对，可能会使性状不变、变化不大或完全改变。基因的结构改变,一定会引起性状的改变??原句：1.基因多态性与致病突变基因变异与疾病的关系2.单基因病、多基因病3.疾病易感基因

基因多态性polymorphism是指DNA序列在群体中的变异性（差异性）在人群中的发生概率>1%（SNP&CNP)<1%的变异概率叫做突变基因多态性特定的基因多态性与疾病相关时，可用致病突变加以描述SNP:散在单个碱基的不同，单个碱基的缺失、插入和置换。

CNP:DNA片段拷贝数变异，包括缺失、插入和重复等。同义突变、错义突变、无义突变、移码突变

致病突变生殖细胞基因突变将突变的遗传信息传给下一代(代代相传),即遗传性疾病。体细胞基因突变局部形成突变细胞群（肿瘤）。受精卵分裂基因突变的原因物理因素化学因素生物因素基因突变的原因（诱发因素）紫外线、辐射等碱基类似物5BU/叠氮胸苷等病毒和某些细菌等自发突变DNA复制过程中碱基配对出现误差。UV使相邻的胸腺嘧啶产生胸腺嘧啶二聚体,DNA复制时二聚体对应链空缺，碱基随机添补发生突变。胸腺嘧啶二聚体胸腺嘧啶胸腺嘧啶紫外线诱变物理诱变(physicalinduction)

5溴尿嘧啶(5BU)与T类似，多为酮式构型。间期细胞用酮式5BU处理，5BU能插入DNA取代T与A配对；插入DNA后异构成烯醇式5BU与G配对。两次DNA复制后,使A/T转换成G/C，发生碱基转换,产生基因突变。化学诱变(chemicalinduction)碱基类似物(baseanalogues)诱变AT5-BUA5-BUAAT5-BU5-BU(烯醇式)

(酮式)GGC1.生物变异的根本来源，为生物进化提供了最初的原始材料,能使生物的性状出现差别，以适应不同的外界环境，是生物进化的重要因素之一。2.致病突变是导致人类遗传病的病变基础。基因突变的意义概述：肿瘤细胞恶性增殖特性（一）肿瘤细胞失去了生长调节的反馈抑制正常细胞受损,一旦恢复原状，细胞就会停止增殖，但是肿瘤细胞不受这一反馈机制抑制。（二）肿瘤细胞失去了细胞分裂的接触抑制。正常细胞体外培养，相邻细胞相接触，长在一起，细胞就会停止增殖，而肿瘤细胞生长满培养皿后，细胞可以重叠起生长。（三）肿瘤细胞表现出比正常细胞更低的营养要求。（四）肿瘤细胞生长有一种自分泌作用，自己分泌生长需要的生长因子和调控信号,促进自身的恶性增殖。Whatisoncogene?癌基因——是基因组内正常存在的基因，其编码产物通常作为正调控信号，促进细胞的增殖和生长。癌基因的突变或表达异常是细胞恶性转化（癌变）的重要原因。——凡是能编码生长因子、生长因子受体、细胞内信号转导分子以及与生长有关的转录调节因子等的基因。如何发现癌基因的呢?11910年，洛克菲勒研究院一个年轻的研究员Rous发现，鸡肉瘤细胞裂解物在通过除菌滤器以后，注射到正常鸡体内，可以引起肉瘤，首次提出鸡肉瘤可能是由病毒引起的。0.2m孔径细菌过不去但病毒可以通过从病毒癌基因到细胞原癌基因的研究历程：Roussarcomavirus,RSVthefirstcancer-causingretrovirus1958年，Stewart和Eddy分离出一种病毒，注射到小鼠体内可以引起肝脏、肾脏、乳腺、胸腺、肾上腺等多种组织器官的肿瘤，因而把这种病毒称为多瘤病毒。50年代末、60年代初，癌病毒研究成了一个极具想像力的研究领域，主流科学家开始进入癌病毒研究领域polyomavirus这期间，Temin发现RSV有不同亚型，且引起细胞恶变程度不同，推测RNA病毒将其遗传信息传递给了正常细胞的DNA。这与Crick提出的中心法则是相违背的让事实屈从于理论还是坚持基于实验的结果？VSTemin发现逆转录酶，1975年获诺贝尔奖TeminCrickTemin的实验设计：实验设计简单而巧妙：将合成DNA所需的“原料”，即A、T、C、G四种脱氧核苷酸，与破坏了外壳的RSV一起在体外40℃的条件下温育一段时间结果在试管里获得了一种新合成的大分子，它不能被RNA酶破坏，但却可以被DNA酶所分解，证明这种新合成的大分子是DNA用RNA酶预先破坏RSV的RNA，再重复上述的试验，则不能获得这种大分子，说明这个DNA大分子是以RSV的RNA为模板合成的1969年，一个日本学者里子水谷来到Temin的实验室，这是一个非常擅长实验的年轻科学家。按Temin的设想，他们开始寻找RSV中存在“逆转录酶”的证据DNA

RNA

ProteinTranscriptionTranslationReplicationReplicationRe-Transcription修正中心法规据说，1975年Temin因发现逆转录酶而获诺贝尔奖时，Bishop懊恼不已，因为早在1969年他就认为Temin的RNADNA的“前病毒理论”有可能是正确的，并且也进行了一些实验，但不久由于资深同事的规劝而放弃了这方面的努力。但Bishop马上意识到：逆转录酶的发现为逆转录病毒致癌的研究提供了一条新途径。一个RSV，三个诺贝尔奖！！！1989年，UCSF的Bishop和Varmus根据逆转录病毒的复制机制发现了细胞癌基因，并获诺贝尔奖。Cellularoncogene启示：Perutz说:“科学创造如同艺术创造一样，都不可能通过精心组织而产生”Bishop说:“许多人引以为豪的是一天工作16小时，工作安排要以分秒计……可是工作狂是思考的大敌，而思考则是科学发现的关键”Perutzsharedthe1962NobelPrizeforChemistrywithJohnKendrew,fortheirstudiesofthestructuresofhemoglobinandglobularproteins科学的本质和艺术一样，都需要直觉和想像力请给自己一些思考的时间吧！癌基因的分类目前对癌基因尚无统一分类的方法，一般有下面3种分类方法：一、按结构特点分（6）类（一）src癌基因家族（二）ras癌基因家族（三）sis癌基因家族（四）myc癌基因家族（五）myb癌基因家族（六）其它：如fos，erb－A等。三、按细胞增殖调控蛋白特性分成（4）类（一）生长因子（二）受体类（三）细胞内信号转换器（四）细胞核因子二、按产物功能分（8）类（一）生长因子类（二）酪氨酸蛋白激酶（三）膜相关G蛋白（四）受体，无蛋白激酶活性（五）胞质丝氨酸-苏氨酸蛋白激酶（六）胞质调控因子（七）核反式调控因子（八）其它:db1、bcl－2癌基因产物参与信号转导

胞外信号作用于膜表面受体→胞内信使物质的生成便意味着胞外信号跨膜传递的完成。胞内信使至少有：cAMP（环磷酸腺苷）IP3（三磷酸肌醇）PG（前列腺素）cGMP（环磷酸鸟苷）DG（二酰基甘油）Ca2＋（钙离子）CAM（钙调素）主要机制是通过蛋白激酶活化引起底物蛋白一连串磷酸化的生物信号反应过程,跨膜机制涉及到：（一）质膜上cAMP信使系统（二）质膜上肌醇脂质系统这两个系统都是由受体鸟苷酸调节蛋白（GTP-regulatoryprotein，G蛋白）和