第十章时间序列分析 我们对经济量进行分析的最终目的,是为了预测某些经济变量的未来 值。进行预测的方法有两种。一种是根据一定的经济理论,建立各种相互 影响的经济变量之间的关系模型,根据观测到的经济数据估计出模型参数, 利用模型来预测有关变量的未来值。这种方法的优点在于精确地考虑到了 各经济变量之间的相互影响,有理论依据,但是由于抽样信息不完备,经 济模型和经济计量模型不可能真正准确地反映了经济现实,因而得到的结 果不可能是相当准确

探讨了最小二乘支持向量机时间序列预测的方法,提出了用核主成分分析提取主元,然后用最小二乘支持向量机进行预测．通过实验表明,这种方法得到的效果优于没有特征提取的预测．同时与主成分分析提取特征相比,用核主成分分析效果更好．

一、伪回归现象 所谓“伪回归”，是指变量间本来不存在相依关系，但回归结果却得出存在 相依关系的错误结论。这是传统回归分析方法较易犯的一种错误。 经济学家早就发现经济变量之间可能会存在伪回归现象。 20 世纪 70 年代，Grange、Newbold 研究发现，造成“伪回归”的根本原因 在于变量的时序序列的非平稳性

 差分运算  ARIMA模型  Auto-Regressive模型  异方差的性质  方差齐性变化  条件异方差模型

DF 检验要求模型 的随机 扰动项 t e 独立同分 布。但在实际应用中这 一条件往往不 能满足（如上一节中的有关例子）。一般来说，如果估计 模型的 DW 值偏离 2 较大，表明随机扰动 项是序列相关的，在这种情 况下使用 DF 检验可能会导致偏误，需要 寻找新的检验方法

• 一、向量自回归模型定义 • 二、VAR的稳定性 • 三、VAR模型滞后期k的选择 • 四、VAR模型的脉冲响应函数和方差分解 • 五、格兰杰非因果性检验 • 六、VAR与协整 • 七、实例

第一章EViews软件使用初步 第二章线性回归分析 第三章非线性模型 第四章传统时间序列分析 第五章ARMA模型应用 第六章动态计量模型基础 第七章多方程模型 第八章条件异方差模型 第九章Panel Data模型 第十章离散及受限因变量模型 第十一章EViews编程基础

（1）回归函数的 F 检验。 （2）回归参数的 t 检验。 （3）检验线性约束条件是否成立的 F 检验。 （4）JB 正态性检验 （5）似然比（LR）检验 （6）W 检验

本书从描述统计和推断统计两大方面系统地介绍了统计学的基本理论、方法和应用。全书内容包括：统计学绪论、统计数据的收集、整理与显示、统计数据分布特征的描述、统计指数分析、时间序列分析、抽样分布与参数估计、统计假设检验、列联分析、方差分析、相关与回归分析、统计综合评价、Excel在统计中的应用案例十二个章节

一 概论（1） 二 统计类系统分析（3） 系统预测：关联分析、回归分析、时间序列分析系统分类与因子分析：主成分分析、因子分析、聚类分析上机：SPSS 软件与应用