计量经济学时间序列试题及解析

计量经济学时间序列试题及解析一、单项选择题（共10题，每题1分，共10分）下列关于时间序列严平稳与宽平稳的关系表述正确的是A.只要序列均值和方差全部恒定，就一定属于严平稳序列B.宽平稳序列的任意阶联合分布都不会随时间的平移发生改变C.二阶矩存在的严平稳序列一定满足宽平稳的全部要求D.严平稳序列完全不可能存在自相关特征答案：C解析：正确选项C的依据是，宽平稳的三个核心要求为均值恒定、方差恒定、自协方差仅与时间间隔有关，二阶矩存在的严平稳序列天然满足这三个条件。选项A错误，仅一二阶矩恒定无法保证任意阶联合分布不随时间平移改变，不符合严平稳定义；选项B错误，描述的是严平稳的核心特征，而非宽平稳的特征；选项D错误，平稳AR(1)序列属于严平稳序列，同时存在固定的非零自相关系数。下列不属于白噪声序列核心特征的是A.序列各期均值恒等于0B.序列任意两期的协方差仅等于时间间隔的函数C.序列各期方差恒等于固定常数D.序列任意不同期的自相关系数全部为0答案：B解析：正确选项B的依据是，白噪声序列任意间隔大于0的两期协方差都等于0，不可能随时间间隔变化。选项A是独立同分布白噪声的核心均值特征，表述正确；选项C是白噪声的方差恒定要求，表述正确；选项D是白噪声无自相关的核心属性，表述正确。对于AR(p)模型，序列满足平稳性的必要条件是A.模型的所有特征根的模都大于1B.模型的所有特征根的模都小于1C.模型的所有特征根的模都等于1D.模型的部分特征根模小于1即可答案：B解析：正确选项B的依据是，AR(p)模型平稳的核心判定规则是自回归多项式的所有特征根模都落在单位圆内，也就是模全部小于1。选项A错误，特征根模全大于1意味着序列是发散的非平稳序列；选项C错误，特征根模全等于1是随机游走等单位根序列的特征，属于非平稳；选项D错误，只要有一个特征根模大于等于1，AR序列就不满足平稳性要求。ADF单位根检验的核心原假设是A.被检验序列是平稳序列B.被检验序列不存在单位根C.被检验序列存在单位根，属于非平稳序列D.被检验序列存在协整关系答案：C解析：正确选项C的依据是，ADF检验的原假设为序列存在单位根，备择假设为序列是平稳序列。选项A错误，平稳是备择假设对应的结论；选项B错误，不存在单位根属于备择假设的内容；选项D错误，ADF是单序列的平稳性检验，和多变量协整检验无关。对于两个一阶单整的时间序列，协整关系的核心含义是A.两个序列的线性组合仍然是一阶单整序列B.两个序列的线性组合是平稳的零阶单整序列C.两个序列不存在任何长期均衡关联D.两个序列的差分序列完全不相关答案：B解析：正确选项B的依据是，协整的核心定义是多个同阶单整序列的线性组合为更低阶的平稳序列，两个一阶单整序列协整意味着其线性组合是零阶单整的平稳序列。选项A错误，如果线性组合还是一阶单整，说明不存在协整关系；选项C错误，协整本身代表变量之间存在长期稳定的均衡关联；选项D错误，协整的变量差分序列可以存在显著的相关关系。ARCH效应刻画的时间序列核心特征是A.序列的均值存在长期线性趋势B.序列的方差存在自相关特征，波动率呈现集群现象C.序列的自相关系数随时间间隔逐步衰减D.序列存在固定的季节性周期波动答案：B解析：正确选项B的依据是，ARCH效应的核心就是序列的条件方差随时间变化，大的波动之后往往跟随大波动，小波动之后跟随小波动，呈现波动率集群特征。选项A错误，均值的趋势属于确定性趋势序列的特征，和ARCH效应无关；选项C错误，自相关系数逐步衰减是平稳AR序列ACF的特征，不属于ARCH的定义；选项D错误，季节性波动是季节时间序列的特征，和ARCH效应没有直接关联。下列关于趋势平稳序列和差分平稳序列的差异表述正确的是A.趋势平稳序列去除确定性趋势之后得到的残差序列是非平稳的B.差分平稳序列去除确定性趋势之后得到的残差序列仍然是非平稳的C.趋势平稳序列本质上属于单位根非平稳序列D.差分平稳序列不需要做任何处理就可以直接用于普通线性回归答案：B解析：正确选项B的依据是，差分平稳序列的非平稳性来自随机趋势而非确定性趋势，仅去除确定性趋势得到的残差仍然包含单位根，属于非平稳序列。选项A错误，趋势平稳序列剔除确定性趋势之后的残差是平稳序列；选项C错误，趋势平稳序列不存在单位根，不属于单位根非平稳序列；选项D错误，差分平稳序列本身是非平稳序列，直接做普通线性回归很容易出现虚假回归问题。平稳AR(1)序列的样本自相关函数ACF和样本偏自相关函数PACF的典型特征是A.ACF拖尾，PACF1阶截尾B.ACF1阶截尾，PACF拖尾C.ACF和PACF都1阶截尾D.ACF和PACF都随间隔快速指数衰减到0答案：A解析：正确选项A的依据是，AR类模型的ACF是拖尾逐步衰减的，PACF是p阶截尾，AR(1)对应PACF1阶截尾。选项B错误，该特征属于MA(1)模型的典型特征；选项C错误，ARMA模型的ACF和PACF都是拖尾的，不存在同时截尾的情况；选项D错误，PACF不会一直衰减到0，在1阶之后就全部趋近于0，属于截尾特征。脉冲响应函数的核心作用是A.刻画系统内某个变量的随机冲击对自身和所有其他变量的当期及后续取值的影响轨迹B.检验变量之间是否存在统计上的因果关系C.分解某个变量的波动来自其他不同变量冲击的贡献占比D.判定多变量序列是否存在协整关系答案：A解析：正确选项A的依据是，脉冲响应函数的定义就是追踪VAR系统中单个误差项的一个标准差冲击带来的各变量随时间的动态反应路径。选项B错误，格兰杰因果检验的作用是判定变量间统计层面的先导滞后因果关系；选项C错误，描述的是方差分解的作用，不属于脉冲响应函数的功能；选项D错误，协整检验用来判定多变量是否存在协整关系，和脉冲响应无关。格兰杰因果检验的核心含义是A.检验变量X和变量Y之间是否存在真实的经济层面的因果关系B.检验变量X的滞后项是否能够显著提升对变量Y的预测精度C.检验变量X和变量Y的残差序列是否存在自相关D.检验变量X和变量Y是否同为单整序列答案：B解析：正确选项B的依据是，格兰杰因果的核心定义就是加入X的滞后值之后，对Y的预测误差能够显著下降，说明X的过去信息对Y的预测有帮助。选项A错误，格兰杰因果只是统计层面的预测性因果，不能直接对应真实的经济因果关系；选项C错误，自相关检验用来判定序列残差是否存在自相关，和格兰杰因果无关；选项D错误，单整阶数的判定需要通过单位根检验完成，不属于格兰杰因果的作用。一、多项选择题（共10题，每题2分，共20分）下列选项中属于宽平稳时间序列的必要条件的有A.序列的期望取值不随时间变化，是恒定常数B.序列的自协方差函数仅和两个观测期的时间间隔有关，和时间原点无关C.序列的方差取值不随时间变化，是有限的恒定常数D.序列任意两期观测值的协方差都恒等于0答案：ABC解析：正确选项ABC的依据是，这三点共同构成宽平稳序列的三个核心判定条件，缺一不可。选项D是白噪声序列的特征，不属于所有宽平稳序列的必要条件，大部分宽平稳序列都存在非零的自相关系数，因此该选项错误。ADF单位根检验通常可以选择的检验形式包括A.不带常数项也不带趋势项的纯随机游走形式B.仅带常数项、不带确定性趋势项的形式C.同时带常数项和确定性线性趋势项的形式D.同时加入变量所有滞后项的无约束形式答案：ABC解析：正确选项ABC的依据是，ADF检验根据序列的实际特征可以选择三种不同的设定形式，对应不同的临界值分布。选项D错误，ADF检验是加入足够多的滞后差分项来控制残差自相关，并非把所有水平滞后项全部无约束加入，该表述不符合检验设定要求。下列属于多变量序列满足协整关系需要的前提条件的有A.所有参与协整检验的变量必须是同阶单整的非平稳序列B.变量的线性组合得到的残差序列必须是平稳序列C.所有变量必须都是零阶单整的平稳序列D.变量之间不存在任何长期关联答案：AB解析：正确选项AB的依据是，协整的前提就是变量同阶单整，且线性组合之后得到平稳序列，代表长期均衡关系。选项C错误，如果所有变量都是平稳序列直接可以用普通回归，不存在协整检验的必要；选项D错误，协整本身就代表变量之间存在长期稳定的均衡关联，该表述完全相反。下列关于ARMA模型平稳性与可逆性的表述正确的有A.AR(p)部分的特征根全在单位圆内，ARMA模型满足平稳性要求B.MA(q)部分的特征根全在单位圆内，ARMA模型满足可逆性要求C.只要AR部分平稳，不管MA部分特征根的位置，ARMA模型都可以被识别D.ARMA模型的平稳性仅由MA部分的属性决定答案：AB解析：正确选项AB的依据是，ARMA模型的平稳性完全由自回归AR部分决定，可逆性完全由移动平均MA部分决定，分别要求两类特征根都落在单位圆内。选项C错误，如果MA部分的特征根在单位圆外，模型不满足可逆性，无法通过样本观测唯一反推残差序列，无法完成识别；选项D错误，ARMA的平稳性和MA部分的特征根位置没有关系，完全由AR部分决定。下列属于虚假回归典型特征的有A.回归得到的拟合优度R平方数值非常高B.回归残差序列存在显著的单位根，属于非平稳序列C.回归得到的变量系数在统计上非常显著，但经济含义完全不符合常识D.回归的DW统计量数值非常大，明显大于2答案：ABC解析：正确选项ABC的依据是，虚假回归是两个独立的非平稳序列直接回归得到的结果，往往拟合优度很高，系数显著但不符合经济逻辑，残差非平稳。选项D错误，虚假回归场景下残差存在很强的正自相关，DW统计量的数值通常非常小，远小于2，而不是明显大于2。下列属于VAR模型适用前提的有A.所有参与建模的变量可以是任意阶单整序列，不需要做任何处理B.变量之间存在的同期关联可以通过残差的协方差矩阵刻画C.模型的最优滞后阶数可以通过信息准则比如AIC、BIC判定D.要求系统内的所有变量之间不存在任何相关关系答案：BC解析：正确选项BC的依据是，VAR模型属于无约束的多变量时间序列模型，同期关联不进入方程右侧，全部通过残差协方差矩阵反映，滞后阶数可以通过常用信息准则选择。选项A错误，变量如果是非平稳序列，直接构建水平VAR容易出现伪回归，通常要么使用差分后的平稳序列构建VAR，要么在变量协整的前提下构建带协整约束的VEC模型；选项D错误，VAR模型的研究对象就是多变量之间的动态关联，变量之间完全没有相关关系的话没有建模的意义。常用的时间序列波动率建模的ARCH族模型包括A.GARCH模型，在ARCH模型基础上加入滞后的条件方差项B.TGARCH模型，用来刻画正负冲击对波动率的非对称影响C.ARIMA模型，用来刻画条件均值的动态变化D.EGARCH模型，引入指数形式的条件方差规避波动率非负约束答案：ABD解析：正确选项ABD的依据是，这三类模型都属于针对条件波动率建模的ARCH族扩展模型，在金融时间序列波动率刻画中应用广泛。选项C错误，ARIMA是对序列条件均值建模的模型，不属于波动率类的ARCH族模型。下列属于常用的时间序列样本外预测精度评价指标的有A.均方根误差RMSEB.平均绝对误差MAEC.拟合优度R平方D.平均绝对百分比误差MAPE答案：ABD解析：正确选项ABD的依据是，这三类指标都是通过比较预测值和实际观测值的偏差计算得到，用来评价样本外预测的准确程度。选项C错误，拟合优度R平方是基于样本内的拟合结果计算的，不能直接用来评价样本外的预测精度，很容易出现样本内拟合优度很高但样本外预测表现很差的情况。季节时间序列常用的季节调整方法包括A.移动平均季节分解方法B.X12类官方季节调整方法C.直接对序列做N次差分直到序列平稳的方法D.确定性季节虚拟变量回归方法答案：ABD解析：正确选项ABD的依据是，这三类都是主流的季节调整方法，可以将序列中的季节性周期成分剥离出来得到趋势循环成分。选项C错误，单纯多次差分只能消除序列的单位根，无法分离出确定性或者随机的季节成分，不属于季节调整方法。下列关于误差修正模型ECM的表述正确的有A.误差修正项的系数反映了序列偏离长期均衡之后向均衡水平回调的速度B.误差修正模型仅能刻画变量之间的短期动态调整关系C.误差修正模型同时纳入长期均衡关系的约束和短期波动的影响D.不需要变量之间存在协整关系也可以构建有经济含义的误差修正模型答案：AC解析：正确选项AC的依据是，误差修正模型是基于协整关系构建的，误差修正项的系数绝对值越大，回调速度越快，模型同时覆盖短期波动和长期均衡约束。选项B错误，误差修正模型不只是刻画短期关系，本身就嵌入了长期协整均衡的约束；选项D错误，变量之间不存在协整关系的话，误差修正项对应的残差是非平稳的，构建的模型没有实际的经济意义。一、判断题（共10题，每题1分，共10分）所有的非平稳时间序列经过一次差分处理之后，就一定可以转化为平稳序列。答案：错误解析：理论上只有一阶单整的序列经过一次差分才能得到平稳序列，二阶或者更高阶的单整序列需要经过多次差分才能得到平稳序列，部分带有确定性趋势的序列甚至不需要差分，剔除趋势就可以得到平稳序列。格兰杰因果检验得到变量X是变量Y的格兰杰原因，就代表X在真实经济层面是Y变化的核心原因。答案：错误解析：格兰杰因果只是统计层面的预测性因果，仅说明X的滞后信息可以显著提升Y的预测精度，完全可能存在虚假的统计关联，不能直接等同于真实的经济因果关系。部分二阶矩不存在的严平稳序列，比如服从柯西分布的独立同分布序列，不属于宽平稳序列。答案：正确解析：宽平稳的必要前提是序列的二阶矩有限，柯西分布的二阶矩不存在，即便满足严平稳的所有条件，也不满足宽平稳的定义要求。对于MA(q)序列，其自相关函数ACF会在滞后q阶的位置直接截尾，滞后阶数大于q之后自相关系数全部为0。答案：正确解析：移动平均MA类模型的核心识别特征就是ACFq阶截尾，PACF拖尾逐步衰减，该属性是MA模型的固有特征。两个完全独立的不存在任何经济关联的非平稳序列，直接做普通最小二乘回归不可能得到显著的回归系数。答案：错误解析：两个独立的非平稳序列存在各自的随机趋势，回归之后很容易出现虚假回归问题，得到显著的t统计量和很高的拟合优度，本质上是回归残差非平稳导致的统计偏差。协整关系本质上刻画的是多个非平稳变量之间的长期稳定均衡关联。答案：正确解析：协整的核心经济含义就是多个变量在短期可以偏离均衡水平，但是长期内在经济力量的作用下会回归到共同的均衡运行路径上。ADF单位根检验的过程中，检验式选择的滞后差分项数量越多，越容易得到序列是平稳的结论。答案：错误解析：ADF检验中加入足够多的滞后差分项是为了控制残差的自相关，滞后项数量设置不当会导致检验的功效下降，并不是滞后项越多越容易得到平稳结论。ARCH模型可以直接用来刻画金融资产收益率的波动率集群特征，适合金融时间序列的风险度量场景。答案：正确解析：金融资产收益率的波动率普遍存在明显的集群特征，大波动伴随大波动，小波动伴随小波动，ARCH族模型的设计初衷就是刻画这类时变方差的特征，在金融风险度量中应用广泛。脉冲响应函数和方差分解的作用完全相同，都是用来衡量不同变量波动的贡献占比。答案：错误解析：脉冲响应函数刻画的是单个随机冲击带来的动态影响轨迹，方差分解是将变量的总波动方差分解为不同结构冲击的贡献占比，二者功能完全不同。趋势平稳序列即便直接用普通最小二乘法回归得到的估计量也是一致的，不存在虚假回归风险。答案：错误解析：趋势平稳序列本身的均值带有确定性趋势，属于非平稳序列，如果不剔除趋势直接做回归，同样会出现伪回归相关的统计偏差问题。一、简答题（共5题，每题6分，共30分）请简述宽平稳时间序列的三个核心判定条件。答案：第一，序列任意时间点的期望为固定常数，不随时间的推移发生变化，不存在确定性的均值趋势；第二，序列任意两个观测期的自协方差取值，仅由两个观测期之间的时间间隔决定，和观测的时间原点没有关联；第三，序列的方差为有限的恒定常数，不存在随时间递增或者递减的异方差特征。解析：这三个条件是宽平稳序列的定义基础，只有三个条件同时全部满足，才能判定序列是宽平稳序列，针对平稳序列的ARMA建模等方法才可以正常使用，实际操作中通常可以通过序列的时间序列图、ACF图对平稳性做初步判定，最终结合单位根检验得到确认。请简述ADF单位根检验的核心思路与基本检验步骤。答案：第一，检验的核心思路是在检验式中加入足够多的滞后差分项，控制住残差的自相关问题，把序列随机游走非平稳的检验问题，转化为检验自回归项系数是否等于1的t检验问题；第二，根据序列的实际走势特征，依次选择不带常数项、带常数项、同时带常数项和趋势项三种不同的检验形式完成检验；第三，对比计算得到的ADF统计量和对应显著性水平下的临界值，如果统计量小于临界值，就拒绝存在单位根的原假设，判定序列是平稳序列。解析：ADF检验是目前应用最广泛的单位根检验方法，有效解决了原始DF检验要求残差必须是独立同分布白噪声的严格限制，适用于绝大多数存在高阶自相关的时间序列的平稳性判定场景。请简述多变量协整关系的经济含义与检验的基本前提。答案：第一，协整关系的核心经济含义是多个非平稳的经济变量在长期内受到共同经济规律的制约，存在稳定的均衡关系，短期的偏离不会持续到长期，经济运行的内在调整机制会把偏离的变量拉回到均衡路径附近；第二，协整检验的基本前提是所有参与检验的变量必须是同阶单整的非平稳序列，不存在单整阶数更高或者更低的变量；第三，变量的线性组合得到的残差序列必须是零阶单整的平稳序列，才能证明变量之间的均衡关系是统计上显著存在的，不是虚假回归得到的伪关联。解析：协整理论有效解决了传统计量方法不能直接处理非平稳变量的痛点，在宏观经济的消费、收入、产出等多变量关系研究中得到了非常广泛的应用。请简述AR、MA、ARMA三类平稳模型的ACF和PACF的典型特征差异。答案：第一，AR(p)模型的自相关函数ACF是拖尾的，会随着滞后阶数的增加逐步指数或者正弦衰减趋近于0，偏自相关函数PACF是p阶截尾的，滞后阶数大于p之后所有偏自相关系数全部为0；第二，MA(q)模型的自相关函数ACF是q阶截尾的，滞后阶数大于q之后所有自相关系数全部为0，偏自相关函数PACF是拖尾的，会随着滞后阶数的增加逐步衰减趋近于0；第三，ARMA(p,q)模型的ACF和PACF全部是拖尾特征，没有明确的截尾阶数，两类系数都会随着滞后阶数的增加逐步缓慢衰减趋近于0。解析：这三类模型的ACF和PACF特征差异，是传统Box-Jenkins方法对ARMA模型进行阶数识别的核心依据，实际建模中可以根据样本估计得到的ACF和PACF图的形态初步选定合适的模型阶数。请简述ARCH效应的检验逻辑和核心操作思路。答案：第一，首先对序列的条件均值构建合适的均值模型，比如ARMA模型，提取得到均值方程的残差序列，把残差序列做平方处理得到残差平方序列；第二，将残差平方序列对自身的指定阶数滞后项做回归，得到回归的F统计量或者LM统计量；第三，如果统计量对应的p值小于设定的显著性水平，就拒绝“残差平方不存在自相关”的原假设，证明序列存在显著的ARCH效应，可以进一步构建GARCH类的波动率模型。解析：该检验也被称为ARCH-LM检验，是目前识别序列时变方差特征最常用的检验方法，操作简便且检验功效稳定，非常适合在金融时间序列的波动率建模前的预检验环节使用。一、论述题（共3题，每题10分，共30分）请结合宏观经济研究的实际案例，论述虚假回归的产生机制、识别方法和规避思路。答案：首先是论点部分，虚假回归是时间序列计量研究中最常见的统计偏差问题，会得到没有实际经济含义的伪显著关系，必须从识别到全流程做好防控。其次是论据部分，先讲产生机制：虚假回归的本质原因是参与回归的变量都是非平稳的单位根序列，各自带有独立的随机趋势，普通最小二乘回归的t统计量不再服从传统的t分布，原本独立的序列也会呈现出很高的相关程度，比如用一段时期内国内冰激凌的销量和溺水死亡人数两个独立的非平稳序列直接回归，很容易得到冰激凌销量越高溺水死亡人数越多的显著结果，完全是共同的季节趋势带来的伪关联。然后讲识别方法：第一可以通过单位根检验确认变量的单整阶数，如果变量都是非平稳序列，直接回归得到的结果就有虚假回归嫌疑；第二可以检验回归残差的平稳性，如果残差序列存在显著的单位根，属于非平稳序列，那么几乎可以判定回归属于虚假回归；第三可以观察回归的DW统计量，如果DW值远小于2，残差存在极强的正自相关，虚假回归的概率非常高。最后讲规避思路：第一种方法是先把非平稳序列差分处理为平稳序列之后，再基于平稳差分序列构建回归模型；第二种方法是如果变量之间是同阶单整且存在显著协整关系，可以直接基于原始水平序列构建带误差修正约束的模型，不会出现虚假回归问题。最后结论部分，虚假回归本质上是统计分布被非平稳性扭曲带来的偏差，只要提前做好平稳性检验和协整检验，完全可以有效规避这类问题，保证回归结果的经济含义合理。解析：本题覆盖了虚假回归的全链条知识点，结合生活中常见的伪关联实例帮助理解，从产生原因到识别再到解决方法形成完整的逻辑链条，符合时间序列实证研究的实际操作流程。请结合居民可支配收入和消费支出的实际案例，论述协整关系与误差修正模型的内在逻辑关联。答案：首先论点部分，协整关系和误差修正模型是一体两面的组合，协整关系是长期均衡的基础，误差修正模型是短期向长期回归的动态刻画，二者共同构成了非平稳变量建模的完整框架。其次论据部分，先讲协整的基础逻辑：居民的长期消费和可支配收入理论上满足持久收入假说，消费支出和可支配收入都是典型的一阶单整宏观序列，二者在长期内必然保持稳定的均衡比例，也就是平均消费倾向长期维持在合理区间，不会出现消费无限度超过收入或者完全跟不上收入增长的情况，这种长期的均衡关系就是两个变量之间的协整关系，对应的协整方程的系数就是长期边际消费倾向。然后讲二者的内在关联：如果两个一阶单整序列之间不存在协整关系，那么二者就没有长期均衡关联，不可能构建出有意义的误差修正模型，协整关系是误差修正模型存在的必要前提。以消费和收入为例，短期来看居民的消费支出完全可能出现临时偏离均衡的情况，比如居民当期有额外的临时收入没有马上消费，或者临时借贷超出当期收入进行消费，就会让消费收入组合偏离长期均衡线，误差修正项的系数就刻画了每一期偏离均衡之后，向均衡水平回调的速度，如果误差修正项的系数是-0.3，就说明当期偏离长期均衡的部分，在下一期会有30%的比例得到修正，逐步回归到长期均衡路径上。误差修正模型把变量的短期差分波动和长期均衡的偏离项结合在一起，既可以解释短期消费变动的影响因素，也保留了长期协整关系的约束，完全符合消费行为的经济逻辑。最后结论部分，协整关系和误差修正模型共同实现了长期均衡理论和短期动态调整过程的统一，解决了传