列的平稳性和单位根检.ppt

01.同时估计出上述三个模型的适当形式，然后通过ADF临界值表检验零假设H0：?=0。02.只要其中有一个模型的检验结果拒绝了零假设，就可以认为时间序列是平稳的；03.当三个模型的检验结果都不能拒绝零假设时，则认为时间序列是非平稳的。一个简单的检验过程：例：检验1978-2000年间中国支出法GDP时间序列的平稳性01例检验1978~2006年间中国实际支出法国内生产总值GDPC时间序列的平稳性。下面演示的是检验1978~2000年间中国支出法国内生产总值GDPC时间序列的平稳性。方法原理和过程是一样的，例可以作为同学的练习。02首先检验模型3，经过偿试，模型3取2阶滞后：LM（1）=0.92，LM（2）=4.16时间T的t统计量小于ADF临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型2。?系数的t临界值，不能拒绝存在单位根的零假设。小于5%显著性水平下自由度分别为1与2的?2分布的临界值，可见不存在自相关性，因此该模型的设定是正确的。检验模型2，经试验，模型2中滞后项取2阶：常数项的t统计量小于AFD分布表中的临界值，不能拒绝不存常数项的零假设。1LM检验表明模型残差不存在自相关性，因此该模型的设定是正确的。2GDPt-1参数值的t统计量为正值，大于临界值，不能拒绝存在单位根的零假设。3需进一步检验模型1。4检验模型1，经试验，模型1中滞后项取2阶：LM检验表明模型残差项不存在自相关性，因此模型的设定是正确的。可断定中国支出法GDP时间序列是非平稳的。ADF检验在Eviews中的实现ADF检验在Eviews中的实现ADF检验在Eviews中的实现—检验GDPPADF检验在Eviews中的实现—检验GDPP从GDPP(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于时间项T的t统计量也小于ADF分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型2。ADF检验在Eviews中的实现—检验GDPP从GDPP(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于ADF分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型1。ADF检验在Eviews中的实现—检验GDPPADF检验在Eviews中的实现—GDPP从GDPP(-1)的参数值看，其t统计量的值大于临界值，不能拒绝存在单位根的零假设。至此，可断定GDPP时间序列是非平稳的。从△GDPP(-1)的参数值看，其统计量的值大于临界值，不能拒绝存在单位根的零假设。同时，由于常数项的t统计量也小于AFD分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型1。”§8.1时间序列平稳性和单位根检验

StationaryTimeSerialandUnitRootTest一、时间序列的平稳性二、单整序列三、单位根检验经典时间序列分析模型：01包括MA、AR、ARMA模型平稳时间序列模型分析时间序列自身的变化规律现代时间序列分析模型：02分析时间序列之间的结构关系单位根检验、协整检验是核心内容现代宏观计量经济学的主要内容一、时间序列的平稳性

StationaryTimeSeries⒈问题的提出经典计量经济模型常用到的数据有：时间序列数据（time-seriesdata)；截面数据(cross-sectionaldata)平行/面板数据（paneldata/time-seriescross-sectiondata)时间序列数据是最常见，也是最常用到的数据。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。数据非平稳，往往导致出现“虚假回归”（SpuriousRegression）问题。表现为两个本来没有任何因果关系的变量，却有很高的相关性。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。2、平稳性的定义假定某个时间序列是由某一随机过程（stochasticprocess）生成的，即假定时间序列{Xt}（t=1,2,…）的每一个数值都是从一个概率分布中随机得到，如果满足下列条件：均值E(Xt)=?是与时间t无关的常数；方差Var(Xt)=?2是与时间t无关的常数；协方差Cov(Xt,Xt+k)=?k是只与时期间隔k有关，与时间t无关的常数；则称该随机时间序列是平稳的（stationary)，而该随机过程