资源描述:
《时间序列模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第2章时间序列模型时间序列分析方法由Box-Jenkins(1976)年提出。它适用于各种领域的时间序列分析。时间序列模型不同于经济计量模型的两个特点是:⑴这种建模方法不以经济理论为依据,而是依据变量自身的变化规律,利用外推机制描述时间序列的变化。⑵明确考虑时间序列的非平稳性。如果时间序列非平稳,建立模型之前应先通过差分把它变换成平稳的时间序列,再考虑建模问题。时间序列模型的应用:(1)研究时间序列本身的变化规律(建立何种结构模型,有无确定性趋势,有无单位根,有无季节性成分,估计参数)。(2)在回归模型中的应用(预测回归模型中解释变量的值)。(3)时间序列模型是非经典计量经济学的基础之一(
2、不懂时间序列模型学不好非经典计量经济学)。分节如下:1.随机过程、时间序列定义2.时间序列模型的分类3.自相关函数与偏自相关函数4.建模步骤(识别、参数估计、诊断检验、案例分析)5.回归与时间序列组合模型6.季节时间序列模型(案例分析)2.1随机过程、时间序列为什么在研究时间序列之前先要介绍随机过程?就是要把时间序列的研究提高到理论高度来认识。时间序列不是无源之水。它是由相应随机过程产生的。只有从随机过程的高度认识了它的一般规律。对时间序列的研究才会有指导意义。对时间序列的认识才会更深刻。自然界中事物变化的过程可以分成两类。一类是确定型过程,一类是非确定型过程。确定型过程即可以用关于时间t
3、的函数描述的过程。例如,真空中的自由落体运动过程,电容器通过电阻的放电过程,行星的运动过程等。非确定型过程即不能用一个(或几个)关于时间t的确定性函数描述的过程。换句话说,对同一事物的变化过程独立、重复地进行多次观测而得到的结果是不相同的。例如,对河流水位的测量。其中每一时刻的水位值都是一个随机变量。如果以一年的水位纪录作为实验结果,便得到一个水位关于时间的函数xt。这个水位函数是预先不可确知的。只有通过测量才能得到。而在每年中同一时刻的水位纪录是不相同的。随机过程:由随机变量组成的一个有序序列称为随机过程,记为{x(s,t),sS,tT}。其中S表示样本空间,T表示序数集。对于每一个
4、t,tT,x(·,t)是样本空间S中的一个随机变量。对于每一个s,sS,x(s,·)是随机过程在序数集T中的一次实现。{x11,x21,…,xT-11,xT1}{x22221,x2,…,xT-1,xT}随机过程{xssss1,x2,…,xT-1,xT}样本空间随机过程简记为{xt}或xt。随机过程也常简称为过程。随机过程一般分为两类。一类是离散型的,一类是连续型的。如果一个随机过程{xt}对1任意的tT都是一个连续型随机变量,则称此随机过程为连续型随机过程。如果一个随机过程{xt}对任意的tT都是一个离散型随机变量,则称此随机过程为离散型随机过程。本书只考虑离散型随机过程
5、。连续型严(强)平稳过程随机过程平稳的离散型宽平稳过程非平稳的严(强)平稳过程:一个随机过程中若随机变量的任意子集的联合分布函数与时间无关,即无论对T的任何时间子集(t1,t2,…,tn)以及任何实数k,(ti+k)T,i=1,2,…,n都有F(x(t1),x(t2),…,x(tn))=F(x(t1+k),x(t2+k),…,x(tn+k))成立,其中F(·)表示n个随机变量的联合分布函数,则称其为严平稳过程或强平稳过程。严平稳意味着随机过程所有存在的矩都不随时间的变化而变化。严平稳的条件是非常严格的,而且对于一个随机过程,上述联合分布函数不便于分析和使用。因此希望给出不象强平稳那样严格
6、的条件。若放松条件,则可以只要求分布的主要参数相同。如只要求从一阶到某阶的矩函数相同。这就引出了宽平稳概念。如果一个随机过程m阶矩以下的矩的取值全部与时间无关,则称该过程为m阶平稳过程。比如E[x(ti)]=E[x(ti+k)]=<,Var[x(t2i)]=Var[x(ti+k)]=<,Cov[x(t2i),x(tj)]=Cov[x(ti+k),x(tj+k)]=ij<,其中,2和2为常数,不随t,(tT);k,((tijr+k)T,r=i,j)变化而变化,则称该随机过程{xt}为二阶平稳过程(协方差平稳过程)。该过程属于宽平稳过程。如果严平稳过程的二阶矩为有限常数值
7、,则其一定是宽平稳过程。反之,一个宽平稳过程不一定是严平稳过程。但对于正态随机过程而言,严平稳与宽平稳是一致的。这是因为正态随机过程的联合分布函数完全由均值、方差和协方差所惟一确定。本书简称二阶平稳过程为平稳过程。时间序列:随机过程的一次实现称为时间序列,也用{xt}或xt表示。与随机过程相对应,时间序列分类如下,连续型*(心电图,水位纪录仪,温度纪录仪)时间序列从相同的时间间隔点上取自连续变化的序列(人口序列)离散型一