第十章计量经济学PPT文件格式下载.ppt

1、时间序列数据时间序列数据 yt=b b0+b b1xt1+.+b bkxtk+ut 1.基本分析基本分析1Economics 20-Prof.Anderson时间序列数据与横截面数据的比较时间序列数据与横截面数据的比较不像横截面数据，时间序列数据有一个不像横截面数据，时间序列数据有一个时间的排序时间的排序考虑到考虑到时间序列数据时间序列数据不再拥有一个对个不再拥有一个对个体的随机样本体的随机样本,因此需要改变因此需要改变某些某些假定假定取而代之的是，取而代之的是，可以将时间序列数据看可以将时间序列数据看作是作是一个随机过程的实现一个随机过程的实现2Economics 20-Prof.Ander

2、son时间序列数据的例子时间序列数据的例子描述同期变量关系的静态模型描述同期变量关系的静态模型:#yt=b b0+b b1zt+ut允许自变量对允许自变量对 y 具有滞后效应具有滞后效应的有限分的有限分布滞后布滞后（FDL）模型模型 yt=a a0+d d0zt+d d1zt-1+d d2zt-2+ut更一般地更一般地,一个一个q阶阶的有限分布滞后模型的有限分布滞后模型 将包含将包含z的的q个滞后变量个滞后变量3Economics 20-Prof.Anderson有限分布滞后模型有限分布滞后模型通常通常将将d d0称为冲击倾向称为冲击倾向 它反映了它反映了y的的即期即期变化变化对于自变量暂时的

3、单期变化对于自变量暂时的单期变化，y将在第将在第q+1个时期之后回到它最初的水平个时期之后回到它最初的水平通常通常将将d d0+d d1+d dq称为长期倾向称为长期倾向（LRP）它反映了它反映了自变量的永久改变所导致的自变量的永久改变所导致的 y的的长期变化长期变化4Economics 20-Prof.Anderson无偏性假定无偏性假定仍然假定仍然假定模型对参数是线性的模型对参数是线性的:#yt=b b0+b b1xt1+.+b bkxtk+ut仍然需要作仍然需要作零条件均值假定零条件均值假定:#E（ut|X）=0,t=1,2,n注意到这个假定的注意到这个假定的含义是，任一时期的误含义是，

4、任一时期的误差项与所有时期的解释变量都无关差项与所有时期的解释变量都无关5Economics 20-Prof.Anderson无偏性假定无偏性假定（续续）零零条件均值假定表明，诸条件均值假定表明，诸 x都是严格外生的都是严格外生的 另外，另外，一种更加类似于横截面情形的假定一种更加类似于横截面情形的假定是是 E（ut|xt）=0该假定意指，诸该假定意指，诸x是同期外生的是同期外生的同期外生性同期外生性只能满足大样本的要求只能满足大样本的要求6Economics 20-Prof.Anderson无偏性假定无偏性假定（续续）仍需假定仍需假定x是变量是变量，并且，并且诸诸 x之间之间没有完全没有完全

5、共线性共线性注意我们已经跳过了注意我们已经跳过了随机样本假定随机样本假定随机样本假定的关键随机样本假定的关键效应效应是每一个是每一个ui都是独都是独立的立的而前面的严格外生性假定，已经包含了这而前面的严格外生性假定，已经包含了这一点一点7Economics 20-Prof.Anderson普通最小二乘估计量的无偏性普通最小二乘估计量的无偏性基于上述三条假定基于上述三条假定，对于时间序列数据，对于时间序列数据，普通最小二乘估计量是无偏的普通最小二乘估计量是无偏的这正如横截面数据的情形一样，在适当这正如横截面数据的情形一样，在适当的条件下普通最小二乘估计量是无偏的的条件下普通最小二乘估计量是无偏的

6、可以采用横截面情形下的相同方法，来可以采用横截面情形下的相同方法，来分析遗漏变量的偏误问题分析遗漏变量的偏误问题8Economics 20-Prof.Anderson普通最小二乘估计量的方差普通最小二乘估计量的方差正如在横截面情形下一样，为了推导出正如在横截面情形下一样，为了推导出估计估计方差，需要增加同方差性假定方差，需要增加同方差性假定即即假定假定 Var（ut|X）=Var（ut）=s s2因此，因此，误差项的方差是独立于所有的误差项的方差是独立于所有的x，并且是不随时间而变的常数并且是不随时间而变的常数此外，还需要作无序列相关假定此外，还需要作无序列相关假定:#Corr（ut,us|X

7、）=0，对于对于 t s9Economics 20-Prof.Anderson普通最小二乘估计量的方差普通最小二乘估计量的方差（续续）在在上述上述五个假定下，五个假定下，时间序列的普通最时间序列的普通最小二乘估计量的方差将与横截面情形相小二乘估计量的方差将与横截面情形相同，即同，即s s2的估计量是相同的的估计量是相同的普通最小二乘估计量仍然是最优线性无普通最小二乘估计量仍然是最优线性无偏估计量偏估计量加上误差项的正态假定，加上误差项的正态假定，推断也是相同推断也是相同的的10Economics 20-Prof.Anderson带趋势的带趋势的时间序列时间序列经济时间序列通常具有时间趋势经济时

8、间序列通常具有时间趋势仅仅因为两个时间序列在时间趋势上走仅仅因为两个时间序列在时间趋势上走到了一起，是不能认为它们之间存在因到了一起，是不能认为它们之间存在因果关系的果关系的经常地，是其他未观测到的因素，导致经常地，是其他未观测到的因素，导致了两个时间序列出现趋势了两个时间序列出现趋势尽管这些尽管这些因素是无法观测到的因素是无法观测到的，但我们，但我们可以可以通过直接控制趋势来控制它们通过直接控制趋势来控制它们11Economics 20-Prof.Anderson时间序列的趋势时间序列的趋势（续续）一种可能性是线性趋势，一种可能性是线性趋势，可以采用可以采用模型模型:#yt=a a0+a a

9、1t+et,t=1,2,另一种可能性是指数趋势，另一种可能性是指数趋势，可采用可采用模型模型:#log（yt）=a a0+a a1t+et,t=1,2,另外，还有另外，还有二次函数二次函数趋势，趋势，可采用可采用模型模型:#yt=a a0+a a1t+a a2t2+et,t=1,2,12Economics 20-Prof.Anderson除趋势除趋势在回归中增加一个线性趋势项，与在回在回归中增加一个线性趋势项，与在回归中使用已经除去趋势的时间序列，所归中使用已经除去趋势的时间序列，所得结果是一样的得结果是一样的对时间序列除趋势，就是对模型中的每对时间序列除趋势，就是对模型中的每一个变量，都对时

10、间一个变量，都对时间t作回归作回归由此得到除趋势序列的残差形式由此得到除趋势序列的残差形式这样，序列中原有的时间趋势就被偏掉这样，序列中原有的时间趋势就被偏掉了了13Economics 20-Prof.Anderson除趋势除趋势（续续）与向模型引入时间趋势因子相比，采用与向模型引入时间趋势因子相比，采用除趋势数据的好处是便于计算拟合优度除趋势数据的好处是便于计算拟合优度由于趋势的高解释度，由于趋势的高解释度，时间序列回归往时间序列回归往往具有很高的往具有很高的R2而使用除趋势数据作回归，所得到的而使用除趋势数据作回归，所得到的R2能够更真实地地反映能够更真实地地反映xt对对 yt的解释程度的解释程度14Economics 20-Prof.Anderson季节性季节性 通常，时间序列数据会表现出某种周期通常，时间序列数据会表现出某种周期性，这种周期性统称为季节性性，这种周期性统称为季节性例子：#例子：#零售额季度数据往往会在第四个零售额季度数据往往会在第四个季度出现跳跃季度出现跳跃对于季节性，可以通过增加一组季节虚对于季节性，可以通过增加一组季节虚拟变量来处理拟变量来处理同时间趋势一样，也可以在回归之前对同时间趋势一样，也可以在回归之前对序列进行去季节性处理序列进行去季节性处理15Economics 20-Prof.Anderson