第六讲-时间序列的平稳性及其检验课件_第1页
第六讲-时间序列的平稳性及其检验课件_第2页
第六讲-时间序列的平稳性及其检验课件_第3页
第六讲-时间序列的平稳性及其检验课件_第4页
第六讲-时间序列的平稳性及其检验课件_第5页
已阅读5页,还剩55页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、时间序列的平稳性及其检验。首先,问题的推导:非平稳变量和经典回归模型的时间序列数据是最常见和最常用的数据。经典回归分析隐含一个重要假设:数据是平稳和非平稳的,打破了大样本下统计推断基础的“一致性”要求。1,PPT学习交换,经典回归分析的一个假设:解释变量X是一个非随机变量放松假设:X是一个随机变量,那么就需要进一步的要求:(1)X与随机扰动项Cov(X)无关,=0 (2)收敛概率:如果X是非平稳数据(如呈上升趋势),那么(2)它不是真的,且回归估计量不满足”。2,PPT学习与沟通,表现在:两个变量之间没有因果关系,但有很高的相关性(高R2)。例如,如果有两列时间序列数据显示一致的趋势(非平稳)

2、,即使它们没有有意义的关系,回归也可以显示较高的可确定系数。在现实经济生活中,实际的时间序列数据往往是非平稳的,主要的经济变量如消费、收入和价格往往会持续上升或下降。这样,经典的因果关系模型仍然用于分析,并且通常不能获得有意义的结果。非平稳数据的结果导致“假回归”问题。3.PPT研究和交流。2.时间序列数据的平稳性。定义:假设某个时间序列是由一个随机过程产生的,如果满足下列条件:1)平均值E(Xt)=是一个与时间无关的常数;2)方差变量(Xt)=2是与时间无关的常数;3) Cov(Xt,Xt k)=k是一个常数,它只与间隔K有关,与时间T无关;随机时间序列被认为是平稳的,随机过程是平稳的随机过

3、程。例1最简单的随机时间序列之一是一个独立的分布序列,具有零均值和相同的方差:Xt=t,tN(0,2),这通常被称为白噪声。因为Xt具有相同的均值和方差,并且协方差为零,所以根据定义,白噪声序列是平稳的。例2另一个简单的随机时间序列叫做随机游走,它是由以下随机过程产生的:XT=XT-1这里,t是白噪声。很容易知道序列具有相同的平均值:E(Xt)=E(Xt-1)为了测试序列是否具有相同的方差,可以假设Xt的初始值是X0,因此很容易知道:6,PPT学会通信,x1=X01x2=x12=x012xt=因为X0是常数,t是白噪声。7,PPT学习交流,但是,把x的第一个差值作为: Xt=Xt-XT-1=t

4、,因为t是白噪声,序列XT是稳定的。正如后面将要看到的,如果一个时间序列是非平稳的,它通常可以通过取差形成一个平稳的序列。事实上,随机游走过程是一阶自回归AR(1)过程的一个特例。当: Xt=Xt-1 t不难验证: 1)|1时,这个随机过程产生的时间序列是发散的,表现为连续上升(1)或连续下降(-1),因此它是非平稳的。2)=1,这是一个随机游走过程,也是非平稳的。事实上,的随机过程只有在-11时才是稳定的。9.PPT学会交流,并给出一个随机的时间序列。首先,我们可以通过序列的时间路径图粗略判断它是否稳定。平稳时间序列通常显示一个围绕其平均值不断波动的过程。非平稳序列往往在不同的时间段(如连续

5、上升或下降)表现出不同的均值。,3。平稳性检验的图形判断,10。PPT研究与交流,11。PPT学习与交流,进一步判断,测试样本及其图形的自相关函数,并定义随机时间序列的自相关函数(ACF)如下:k=k/0。自相关函数是滞后周期k的递减函数。实际上,随机过程只有一个实现(样本),因此只能计算样本自相关函数。12,PPT学习与交流,时间序列的样本自相关函数定义为:随着k的增加,样本自相关函数减小并趋于零。然而,就下降速度而言,平稳序列比非平稳序列快得多。13,PPT学习和通信,14,PPT学习和通信可以测试所有k0和自相关系数都为0的联合假设,这可以通过以下QLB统计来实现:该统计近似服从具有自由

6、度m的2分布(m是滞后长度)。因此,如果计算出的Q值:大于显著性水平的临界值,则肯定会拒绝所有k(k0)同时为0的假设。示例: Random1是由随机过程(随机函数)生成的19个样本的随机时间序列。15,PPT学习与交流,16,PPT学习与交流,易于验证:样本序列的平均值为0,方差为0.0789。从图上看,它在样本均值0附近上下波动,样本的自相关系数迅速下降到0,然后在0附近波动,逐渐收敛到0。17,PPT学习与交流,从QLB统计的计算值来看,后面17个时期的计算值是26.38,这并没有超过临界值5%的显著性水平27.58。因此,假设所有自相关系数k(k0)都为0是可以接受的。因此,随机过程是

7、一个平稳过程。18,PPT学习和通信,序列Random2是由随机游走过程Xt=Xt-1 t生成的随机游走时间序列样本。其中t是由Random1表示的白噪声。19,PPT学习与交流,该图显示该系列具有相同的平均值,但从样本自相关图来看,虽然自相关系数迅速下降到0,但它在0附近波动并随着时间的推移表现出发散趋势。根据QLB统计的计算值,滞后期的计算值为5.116,超过了5%显著性水平的临界值3.84。因此,自相关系数k(k0)都是0的假设被拒绝。随机游走序列是非平稳的。20,PPT研究与交流,一个检验中国支出法GDP时间序列平稳性的例子。表1978-2000中国支出法GDP(单位:1亿元),21,

8、PPT学习交流,22,PPT学习交流,图表:显示了一个持续上升的过程,可以初步判断为不稳定。样本自相关系数:缓慢下降,再次表明其非平稳性。根据具有18个周期滞后的QLB的统计,QLB(18)=57.1828.86=0.052拒绝了这个时间序列的自相关系数在1个周期滞后之后都是0的假设。结论1978-2000年中国国内生产总值的时间序列是非平稳的。23,PPT学习和交流,1,测向测试随机游走序列: Xt=Xt-1 t是非平稳的,其中t是白噪声。该序列可视为随机模型: Xt=Xt-1 t,4中参数=1的情况。平稳性的单位根检验,24。PPT研究和交换(*)可以变成微分形式:Xt=(-1)Xt-1

9、t=Xt-1 t (*)来测试是否有单位根=1 in (*),或者是否有=0 in (* *)。回归公式:Xt=Xt-1 t (*),如果发现=1,就说随机变量Xt有一个单位根。25,PPT学习与交流,可以证明,当公式中的参数1或=1(*)时,时间序列是非平稳的;对应于公式(* *),它是0或=0。因此,对于公式:Xt=Xt-1 t,我们关心的测试是:零假设h0:=0。替代假设H1: 0,26,PPT学习与交流,上述测试可以通过OLS方法下的T检验来完成。然而,在零假设(非平稳序列)下,即使在大样本下,T统计量也是有偏差的(向下偏差),因此不能使用通常的T检验。1976年,迪基和富勒提出了这种

10、情况下T统计服从的分布(此时T统计称为统计),即DF分布(见表9.1.3)。由于T统计量的向下偏差,它呈现出一种偏态分布,27,PPT学会沟通,因此,可以用OLS方法估计:Xt=Xt-1 t并计算t统计量的值,并将其与DF分布表中给定显著性水平下的临界值进行比较:28,PPT学会沟通,如果:t临界值,则拒绝零假设h0:=0,并认为时间序列没有单位根且稳定。注意:不同的教科书有不同的描述,但是结果是一样的。例如,“如果计算的T统计量的绝对值大于临界值的绝对值,那么假设=0”被拒绝,并且原始序列没有单位根,所以它是一个平稳序列。29,PPT学习与交流,以及提出的问题:在使用Xt=Xt-1 t对时间

11、序列进行平稳性检验时,实际上假设时间序列是由带有白噪声随机误差项的一阶自回归过程AR(1)生成的。然而,在实际检验中,时间序列可能是由高阶自回归过程产生的,或者随机误差项不是白噪声,所以OLS方法的估计会显示随机误差项的自相关性,导致测向检验的无效性。2,ADF检验,30,PPT学习与交流,此外,如果时间序列包含某个随时间明显变化的趋势(如上升或下降),则很容易导致上述检验中自相关随机误差项的问题。为了保证测向试验中随机误差项的白噪声特性,迪基和富勒对测向试验进行了扩展,形成了扩充迪基-富勒试验。31,PPT学习与交流,ADF测试由以下三个模型完成:32,PPT学习与交流,模型3中的T是一个时

12、间变量,它代表时间序列随时间变化的某种趋势(如果有的话)。模型1与其他两个模型的区别在于它是否包含常数项和趋势项。检验的假设是:对于H1: 0,检验H0:=0,即有一个单位根。33,PPT学习与交流,实际检验从模型3开始,然后是模型2和模型1。当测试拒绝零假设,也就是说,原始序列没有单位根,是一个平稳序列,当测试停止。否则,必须继续检查,直到检查完型号1。测试原理与测向测试相同,只是在测试模型1、2和3时有相应的临界值。下表显示了三种模型使用的ADF分布临界值。34,PPT学习与交流,2.20 2.18 2.17 2.16 2.16 2.16,2.61 2.56 2.54 2.53 2.52

13、2.52,2.97 2.89 2.86 2.84 2.83 2.83,3.41 3.28 3.22 3.19 3.18 3.18,25 50 100 250 500 500不同模型使用的ADF分布临界值表,s,t,s,t,a,t,35,PPT学习交换,2.39 2.38 2.38 2.38 2.38 2.38 2.38 2.85 2.81 2.79 2.79 2.78 2.78 3.25 3.18 3.14 3.12 3.11 3.74 3.60 3.53.49 3 25 50 100 250 500 500,3,0.10,0.05,0.05 ADF分布临界值表,不同模型使用的s,t,a,t,

14、b,t,36,PPT被学习和交换,同时估计上述三个模型的适当形式,然后用ADF临界值表检验零假设h0:=0。 1)只要其中一个模型的测试结果拒绝零假设,时间序列就可以被认为是稳定的;一个简单的检验过程:2)当三个模型的检验结果不能拒绝零假设时,时间序列被认为是非平稳的。这里,模型的适当形式是在每个模型中选择适当的滞后差项,使得模型的剩余项是白噪声(主要是为了确保没有自相关)。37,PPT研究与交换,一个检验1978-2000年中国支出法GDP序列平稳性的例子。,1)在尝试之后,模型3采取二阶滞后:随机误差项的自相关性通过拉格朗日乘子检验来检验:LM(1)=0.92,LM(2)=4.16,38,PPT学习和通信,并且具有自由度1和2的2分布的临界值处于小于5%的显著性水平,因此不存在自相关性。从临界值的系数来看,我们不能否定有单位根的零假设。时间t的t统计量小于ADF分布表中的临界值,因此不存在趋势项的零假设不能被拒绝。模型2需要进一步测试。39,PPT学习与交流;2)实验后,模型2中的滞后项取二

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论