顾名思义，时间序列数据就是按时间顺序排列的统计数据。如新中国建立以 来历年的工农业总产值、国民收入、发电量、钢产量、粮食产量等都是每年有 个对应的数据，那么到2010年每种指标就有60个按时间顺序排列的数据，它们 都是时间序列数据。研究宏观经济问题，这方面的时间序列数据来自国家统计局 或一些专业部委的统计年鉴。如果研究微观经济现象，如研究某企业的产值与能 耗，那么数据就要在这个企业的计划统计科获取。 对于收集到的时间序列资料要特别注意数据的可比性和数据的统计口径问 题。如历年的国民收入数据，是否按可比价格计算的。中国在改革开放前，几十 年物价不变，而从20世纪80年代初开始，物价变动儿乎是直线上升。那么你所 获得的数据是否具有可比性？这就需认真考虑。如在宏观经济研究中，国内生产 总值(GDP)与国民生产总值(GNP)二者在包括内容上是一致的，但在计算口径上 不同。国民生产总值按国民原测计算，反映一国常住居民当期在国内外所从事的 生产活动；国内生产总值则以国土为计算原则，反映一国国土范围内所发生的生 产活动量。对于没有可比性和统计口径计算不一致的统计数据就要作认真调整， 这个调整过程就是一个数据整理过程。 时间序列数据容易产生模型中随机误差项的序列相关，这是因为许多经济变 量的前后期之间总是有关联的。如在建立需求模型时，人们的消费习惯、商品短 缺程度等具有一定的延续性，它们对相当一段时间的需求量有影响，这样就产生 随机误差项的序列相关。对于具有随机误差项序列相关的情况，就要通过对数据 的某种计算整理来消除序列相关性。最常用的处理方法是差分法，我们将在后面 的章节中详细介绍。 横截面数据即为在同一时间截面上的统计数据。如同一年在不同的地块上测 得的施肥量与小麦产量试验的统计数据就是截面数据。再如某一年的全国人口普 查数据、，工业普查数据、同一年份全国35个大中城市的物价指数等都是裁面数 据。当用截面数据作样本时，容易产生异方差性。这是因为一个回归模型往往涉 及到众多解释变量，如果其中某一因素或一些因素随着解释变量观测值的变化而 对被解释变量产生不同影响，就产生异方差性。如在研究城镇居民收人与购买消 费品的关系时，用x:表示第：户的收人量：表示第i户的购买量，购买回归 模型为 :=30+B1x,+e:, 1】，4,7 1.9) 在此模型中，随机项：就具有不同的方差。因为在购买行为中，低收人的家庭 购买差异性比较小，大都购买生活必需品；高收入的家庭购买行为差异就很大 高档消费品很多，他们的选择余地很大，这样购买物品所用费用差异就较大。因 11 PDF created with pdfFactory Pro trial version www.pdffactory.com PDF created with pdfFactory Pro trial version www.pdffactory.com