《第十章多元时间序列分析ppt课件.ppt》由会员分享，可在线阅读，更多相关《第十章多元时间序列分析ppt课件.ppt（37页珍藏版）》请在三一文库上搜索。
1、上海财经大学统计学系,1,多元时间序列分析,多元平稳时间序列建模 虚假回归 单位根检验 协整 误差修正模型,上海财经大学统计学系,2,10.1 多元平稳时间序列建模,1976年，Box和Jenkins采用带输入变量的ARIMA模型为平稳多元序列建模。 构造思想：假设输出变量序列（因变量序列） 和输入变量序列（自变量序列） ， ， 均平稳，首先构建输出序列和输入序列的回归模型，如果有必要，使用ARMA模型继续提取残差序列 中的相关信息。 模型形为,上海财经大学统计学系,3,例10.1,在天然气炉中，输入的是天然气，输出的是CO2，CO2的输出浓度与天然气的输入速率有关。现在以中心化后的天然气输入
2、速率为输入序列，建立CO2的输出百分浓度模型。 时序图及样本自相关图直观显示输入序列和输出序列均平稳,上海财经大学统计学系,4,上海财经大学统计学系,5,不考虑输入序列和输出序列之间的关系，将它们分别作为一元时间序列进行分析 天然气输入速率序列 模型为： CO2的输出浓度序列 为AR(1，2，4)疏系数模型：,上海财经大学统计学系,6,考虑到输出CO2浓度和输入天然气速率之间的密切关系，将输入天然气速率作为自变量考虑进输出序列的模型中，进一步研究二者之间的关系。 滞后k期协方差函数定义为 滞后k期协相关系数为,上海财经大学统计学系,7,输入序列 和输出序列 的协相关图,上海财经大学统计学系,8
3、,从协相关图可以看出，输出序列和输入序列 的滞后项有显著的相关关系，且滞后阶数比 较多，考虑采用ARMA模型结构，以减少待 估参数的个数。通过反复尝试，得出以下回 归模型,上海财经大学统计学系,9,再考虑回归残差序列 的性质，从残差序 列的时序图和相关图可以看出，残差平稳且 不存在序列相关性，说明拟合模型有效。,上海财经大学统计学系,10,模型拟合效果图,返回,上海财经大学统计学系,11,10.2 虚假回归,当因变量序列 和输入变量序列（即自变量序列） ， ， 都平稳时，可以依据Box和Jenkins的理论和方法构建以输入变量为自变量的ARIMAX回归模型来拟合相应序列的变化。 当平稳性条件不
4、满足时，我们就不能大胆地构造ARIMAX模型，因为这时容易产生虚假回归的问题。 返回,上海财经大学统计学系,12,10.3 单位根检验,DF检验 ADF检验 PP检验,上海财经大学统计学系,13,DF统计量,考虑1阶自回归序列： 单位根检验的原假设和备择假设分别为： t统计量 DF（Dickey-Fuller）检验统计量 时，其极限分布为：,上海财经大学统计学系,14,维纳过程具有如下性质：,（1） （2） （3）,上海财经大学统计学系,15,DF检验的等价表达,DF检验可以通过对参数 的检验等价进行： 相应的DF检验统计量为： 其中， 为参数 的样本标准差。,上海财经大学统计学系,16,DF
5、检验方法的三种适用类型,第一种类型如式 第二种类型如式 第三种类型如式,上海财经大学统计学系,17,例10.2对某国1960年到1993年GNP平减指数 的季度时间序列进行DF单位根检验。,1.直观判断：GNP平减指数的季度时间序列绘制时序图，时序图显示序列显著非平稳。,上海财经大学统计学系,18,2.对该时间序列进行DF检验,上海财经大学统计学系,19,ADF检验,DF检验只适用于1阶自回归过程的平稳性检 验，但是实际上绝大多数时间序列不会是一 个简单的AR(1)过程。为了使DF检验能适用 于AR(p)过程的平稳性检验，对DF检验进行了 一定的修正，得到增广DF检验（Augmented Di
6、ckey -Fuller），简记为ADF检验。,上海财经大学统计学系,20,ADF检验的原理,对任意一个AR(p)过程 AR(p)过程单位根检验的假设： 构造ADF检验统计量： 其中， 为参数 的样本标准差。,上海财经大学统计学系,21,ADF检验的三种适用类型,第一种类型 第二种类型 第三种类型,上海财经大学统计学系,22,例10.2续,对某国1960年到1993年GNP平减指数的季度 时间序列进行ADF检验，检验结果入下：,上海财经大学统计学系,23,PP检验,针对序列可能存在高阶相关的情况和可能的异方差情形，Phillips和Perron于1988年对ADF检验进行了非参数修正，提出了P
7、hillips-Perron检验统计量。 PP检验统计量既可适用于异方差场合的平稳性检验，又服从相应的ADF检验统计量的极限分布。,上海财经大学统计学系,24,例10.2续,对某国1960年到1993年GNP平减指数的季度时间序列进行PP检验，结果如下： 返回,上海财经大学统计学系,25,10.4 协整,单整与协整 协整检验,上海财经大学统计学系,26,单整（integration）的概念,在单位根检验的过程中，如果检验结果显著拒绝原 假设，即说明序列 显著平稳，不存在单位根， 这时称序列 为零阶单整序 列，简记为 。 如果原序列1阶差分后平稳，说明原序列存在一个 单位根，这时称原序列为1阶单
8、整序列，简记为 如果原序列至少需要进行d阶差分才能实现平稳， 说明原序列存在d个单位根，这时称原序列为d阶单 整序列，简记 。,上海财经大学统计学系,27,单整序列的性质,1若 ，对于任意非零实数a与b，有 2若 ，对于任意非零实数a与b， 有 3若 ，对于任意非零实数 a与b，有 4. 若 ， ，对于任意非零实数 a与b，有 式中，,上海财经大学统计学系,28,协整（cointegration）的概念,协整理论是Engle and Granger在1987年首先提出来的。 设随机向量 中所含分量均为d阶单整，记为 。如果存在一个非零向量 ，使得随机向量 ， ，则称随机向量 具有d,b阶协整关
9、系，记为 向量 被称为协整向量。,上海财经大学统计学系,29,协整检验,Engle-Granger两步协整检验法 Johansen协整检验法,上海财经大学统计学系,30,Engle-Granger两步协整检验法,1用ADF检验各变量的单整阶数。协整回归要求所有的变量都是一阶单整的，因此，高阶单整变量需要进行差分，以获得序列 。 2用OLS法估计长期动态回归方程，然后用AD检验残差估计值的平稳性。,上海财经大学统计学系,31,Johansen协整检验法,Johansen和Juselius提出的一种在VAR（向量自回归）系统下用极大似然估计来检验多变量之间协整关系的方法，通常称为Johansen协
10、整检验。 设一个VAR模型如下,上海财经大学统计学系,32,向量误差修正模型(VECM) 协整关系的个数可通过下面两个统计量来计算：,上海财经大学统计学系,33,迹检验 ： 即至多有r个协整关系 即有m个协整关系（满秩） 最大特征根检验：,上海财经大学统计学系,34,例10.2续,我们以人均生活费支出对数序列 和可支配收入对数序列 为例来说明如何进行EG检验。 时序图,上海财经大学统计学系,35,第一步：用ADF检验分别对序列 和 进行单整检验 第二步：用变量 对 进行普通最小二乘回归，得回归模型如下： 残差序列时序图 返回,上海财经大学统计学系,36,10.5 误差修正模型,误差修正模型(E
11、rror Correction Model)简称为ECM，它的主要形式是由Davidson、 Hendry、Srba和Yeo于1978年提出的，也称为DHSY模型。它常常作为协整回归模型的补充模型出现。 E-G两步法建立误差修正模型 第一步，先检验两个变量的单整阶数，如果都是1阶单整， 紧着着进行回归（OLS法），检验变量间的协整关系，估计协整向量（长期均衡关系参数）； 第二步，若协整性存在，则以第一步求得的残差作为非均衡误差项加入到误差修正模型中，并用OLS法估计相应参数。,上海财经大学统计学系,37,例10.2续,对1992年1月到1998年12月经居民消费价格指数调整的中国城镇居民月人均生活费支出对数序列和可支配收入对数序列构建ECM模型,