当前位置:高等教育资讯网  >  中国高校课件下载中心  >  大学文库  >  浏览文档

《计量经济学》课程教学资源(PPT课件讲稿)时间序列计量经济学模型的理论与方法

资源类别:文库,文档格式:PPT,文档页数:275,文件大小:1.27MB,团购合买
§9.1 时间序列的平稳性及其检验 一、问题的引出:非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程 §9.2 随机时间序列分析模型 一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验 §9.3 协整与误差修正模型 一、长期均衡关系与协整 二、协整检验 三、误差修正模型
点击下载完整版文档(PPT)

第九章 时间序列计量经济学模型 时间序列的平稳性及其检验 随机时间序列分析模型 协整分析与误差修正模型

第九章 时间序列计量经济学模型 • 时间序列的平稳性及其检验 • 随机时间序列分析模型 • 协整分析与误差修正模型

§91时间序列的平稳性及其检验 问题的引出:非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

§9.1 时间序列的平稳性及其检验 一、问题的引出:非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

问题的引出:非平稳变量与经典 回归模型

一、问题的引出:非平稳变量与经典 回归模型

1常见的数据类型 到目前为止,经典计量经济模型常用到的数据有: 时间序列数据(time- series data) 截面数据( cross-sectional data) 平行湎面板数据( panel data/time- series cross-section data ★时间序列数据是最常见,也是最常用到的数据

⒈常见的数据类型 到目前为止,经典计量经济模型常用到的数据有: • 时间序列数据(time-series data) • 截面数据(cross-sectional data) • 平行/面板数据(panel data/time-series cross-section data) ★时间序列数据是最常见,也是最常用到的数据

2经典回归模型与数据的平稳性 经典回归分析暗含着一个重要假设:数据是 平稳的。 数据非平稳,大样本下的统计推断基础 “一致性”要求—被破怀。 经典回归分析的假设之一:解释变量X是非 随机变量

⒉经典回归模型与数据的平稳性 • 经典回归分析暗含着一个重要假设:数据是 平稳的。 • 数据非平稳,大样本下的统计推断基础—— “一致性”要求——被破怀。 • 经典回归分析的假设之一:解释变量X是非 随机变量

放宽该假设:X是随机变量,则需进一步要求: (1)X与随机扰动项μ不相关:Cov(X,)=0 (2)∑(X-X)2n依概率收敛:Plim>x-X)2m)=Q 1→)0 第(1)条是OLS估计的需要 第(2)条是为了满足统计推断中大样本下的 “一致性”特性: Plim(b)=B

 X − X n i ( ) / 2  − = → P Xi X n Q n ( ( ) / ) 2 (2) 依概率收敛: lim 放宽该假设:X是随机变量,则需进一步要求: (1)X与随机扰动项  不相关∶Cov(X,)=0 第(2)条是为了满足统计推断中大样本下的 “一致性”特性:  =  → ) ˆ ( lim n P 第(1)条是OLS估计的需要

注意:在双变量模型中: x,u,/n B=B+ B+ Plim y xu /n 0 因此:PimB=B+ 1- Pim∑x21/ B+==B ▲如果X是非平稳数据(如表现出向上的趋势) 则(2)不成立,回归估计量不满足“一致性”, 基于大样本的统计推断也就遇到麻烦

    = + = + x n x u n x x u i i i i i i / / ˆ 2 2     =  + =  + =    → P x n Q P x u n P i i i n 0 lim / lim / ˆ lim 2 ▲如果X是非平稳数据(如表现出向上的趋势), 则(2)不成立,回归估计量不满足“一致性”, 基于大样本的统计推断也就遇到麻烦。 因此: 注意:在双变量模型中:

3.数据非平稳,往往导致出现“虚假回 归”向题 表现在两个本来没有任何因果关系的变量, 却有很高的相关性(有较高的R2)。例如:如果 有两列时间序列数据表现出一致的变化趋势(非 平稳的),即使它们没有任何有意义的关系,但 进行回归也可表现出较高的可决系数

表现在:两个本来没有任何因果关系的变量, 却有很高的相关性(有较高的R2 )。例如:如果 有两列时间序列数据表现出一致的变化趋势(非 平稳的),即使它们没有任何有意义的关系,但 进行回归也可表现出较高的可决系数。 ⒊ 数据非平稳,往往导致出现“虚假回 归”问题

在现实经济生活中,实际的时间序列数据 往往是非平稳的,而且主要的经济变量如消费 收入、价格往往表现为一致的上升或下降。这 样,仍然通过经典的因果关系模型进行分析, 般不会得到有意义的结果

在现实经济生活中,实际的时间序列数据 往往是非平稳的,而且主要的经济变量如消费、 收入、价格往往表现为一致的上升或下降。这 样,仍然通过经典的因果关系模型进行分析, 一般不会得到有意义的结果

时间序列分析模型方法就是在这样的情况 下,以通过揭示时间序列自身的变化规律为主 线而发展起来的全新的计量经济学方法论。 时间序列分析已组成现代计量经济学的重 要内容,并广泛应用于经济分析与预测当中

时间序列分析模型方法就是在这样的情况 下,以通过揭示时间序列自身的变化规律为主 线而发展起来的全新的计量经济学方法论。 时间序列分析已组成现代计量经济学的重 要内容,并广泛应用于经济分析与预测当中

点击下载完整版文档(PPT)VIP每日下载上限内不扣除下载券和下载次数;
按次数下载不扣除下载券;
24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
共275页,可试读40页,点击继续阅读 ↓↓
相关文档

关于我们|帮助中心|下载说明|相关软件|意见反馈|联系我们

Copyright © 2008-现在 cucdc.com 高等教育资讯网 版权所有