计量经济学时间序列模型习题与解析1复习课程.docx

1、计量经济学时间序列模型习题与解析1复习课程第九章 时间序列计量经济学模型的理论与方法练习题1、请描述平稳时间序列的条件。2、单整变量的单位根检验为什么从DF检验发展到ADF检验？3、设其中是相互独立的正态分布N(0, )随机变量，是实数。试证：为平稳过程。4、用图形及法检验1978-2002年居民消费总额时间序列的平稳性，数据如下：年份居民消费总额年份居民消费总额年份居民消费总额19781759.119875961.2199526944.519792005.419887633.1199632152.319802317.119898523.5199734854.619812604.1199091

2、13.2199836921.119822867.9199110315.9199939334.419833182.5199212459.8200042895.619843674.5199315682.4200145898.119854589199420809.8200248534.5198651755、利用4中数据，用ADF法对居民消费总额时间序列进行平稳性检验。6、利用4中数据，对居民消费总额时间序列进行单整性分析。7、根据6中的结论，对居民消费总额的差分平稳时间序列进行模型识别。8、用Yule Walker法和最小二乘法对7中的居民消费总额的差分平稳时间序列进行时间序列模型估计，并比较估计结

3、果。9、有如下AR(2)随机过程： 该过程是否是平稳过程？10、求MA(3)模型的自协方差和自相关函数。11、设动态数据求样本均值，样本方差，样本自协方差、和样本自相关函数、。12、判断如下ARMA过程是否是平稳过程：13、以表示粮食产量，表示播种面积，表示化肥施用量，经检验，他们取对数后都是I（1）变量且相互之间存在CI（1，1）关系。同时经过检验并剔除了不显著的变量（包括滞后变量），得到如下粮食生产模型：推导误差修正模型的表达式，并指出误差修正模型中每个待估参数的经济意义。14、固定资产存量模型中，经检验，试写出由该ADL模型导出的误差修正模型的表达式。15、以下是天津食品消费相关数据，试

4、完成误差修正模型的建立年份人均食物年支出人均年生活费收入职工生活费用定基价格指数195092.28151.21195197.92165.61.1451952105182.41.163321953118.08198.481.2540591954121.92203.641.2753781955132.96211.681.2753781956123.84206.281.2728271957137.88225.481.2957381958138226.21.281485根据调查资料分析：大学生的消费购买能力还是有限的，为此DIY手工艺品的消费不能高，这才有广阔的市场。19591、作者：蒋志华 市场调查

5、与预测，中国统计出版社 2002年8月 11-2市场调查分析书面报告145.08236.881.280203据调查统计在对大学生进行店铺经营风格所考虑的因素问题调查中，发现有50%人选择了价格便宜些，有28%人选择服务热情些，有30%人选择店面装潢有个性，只有14%人选择新颖多样。如图（1-5）所示1960众上所述，我们认为：我们的创意小屋计划或许虽然会有很多的挑战和困难，但我们会吸取和借鉴“漂亮女生”和“碧芝”的成功经验，在产品的质量和创意上多下工夫，使自己的产品能领导潮流，领导时尚。在它们还没有打入学校这个市场时，我们要巩固我们的学生市场，制作一些吸引学生，又有使学生能接受的价格，勇敢的面

6、对它们的挑战，使自己立于不败之地。143.04245.41.296846为此，装潢美观，亮丽，富有个性化的店面环境，能引起消费者的注意，从而刺激顾客的消费欲望。这些问题在今后经营中我们将慎重考虑的。1961155.42401.4459841962“碧芝自制饰品店”拥有丰富的不可替代的异国风采和吸引人的魅力，理由是如此的简单：世界是每一个国家和民族都有自己的饰品文化，将其汇集进行再组合可以无穷繁衍。144.24自制饰品一反传统的饰品消费模式，引导的是一种全新的饰品文化，所以非常容易被我们年轻的女生接受。234.843 www。oh/ov。com/teach/student/shougong/1.

7、4488751963300元以下 9 18%132.72232.681、作者：蒋志华 市场调查与预测，中国统计出版社 2002年8月 11-2市场调查分析书面报告1.4112051964136.2238.561.3448781965141.12239.881.2978071966132.84239.041.2874251967139.2237.481.27971968140.76239.41.278421969133.56248.041.2860911970144.6261.481.2745161971151.2274.081.2719671972163.2286.681.2719671973

8、1652881.2770551974170.52293.521.2732241975170.16301.921.2744971976177.36313.81.2744971977181.56330.121.2783211978200.4361.441.2783211979219.6398.761.2911041980260.76491.761.356951981271.085011.3745911982290.28529.21.3814641983318.48552.721.3883711984365.4671.161.4133621985418.92811.81.5985121986517.

9、56988.441.7072111987577.921094.641.8233011988665.761231.82.1314391989756.241374.62.444761990833.761522.22.518103参考答案1、如果时间序列满足下列条件：1）均值 与时间t 无关的常数； 2）方差 与时间t 无关的常数；3）协方差 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。2、在使用DF检验时，实际上假定了时间序列是由具有白噪声随机误差项的一阶自回归过程（AR(1)）生成的。但在实际检验中，时间序列可能是由更高阶的自回归过程生成的，或者随机误差项并非是白噪声，

10、这样用OLS法进行估计均会表现出随机误差项出现自相关，导致DF检验无效。另外，如果时间序列包含有明显的随时间变化的某种趋势（如上升或下降），则也容易导致上述检验中的自相关随机误差项问题。为了保证DF检验中随机误差项的白噪声特性，Dicky和Fuller对DF检验进行了扩充，形成了ADF检验。3、E（）=所以为平稳过程4、居民消费总额时间序列图：序列图表现出了一个持续上升的过程，即在不同的时间段上，其均值是不同的，因此可初步判断是非平稳的。居民消费总额时间序列相关图及相关系数、统计量：从图中可以看出，样本自相关系数是缓慢下降的，表明了该序列的非平稳性。滞后12期的统计量计算值为75.18，超过了

11、显著性水平5%时的临界值21.03，因此进一步否定了该时间序列的自相关系数在滞后一期之后的值全部为0的假设。这样，结论是19782002年间居民消费总额时间序列是非平稳序列。5、经过偿试，模型3取了3阶滞后： （-1.37） (2.17) (-1.68) (5.17 ) (-2.33) （0.94）DW值为2.03，可见残差序列不存在自相关性，因此该模型的设定是正确的。从的参数值看，其t统计量的绝对值小于临界值绝对值，不能拒绝存在单位根的零假设。同时，由于时间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 。经试验，模型2中滞后项取3阶： （1.

12、38） (0.33) (5.84) (-2.62) （1.14）DW值为2.01,模型残差不存在自相关性，因此该模型的设定是正确的。从的参数值看，其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。同时，常数项的t统计量也小于ADF分布表中的临界值，因此不能拒绝不存常数项的零假设。需进一步检验模型1。经试验，模型1中滞后项取3阶： （0.63） (6.35) (-2.77) (1.29) DW值为1.99，残差不存在自相关性，因此模型的设定是正确的。从的参数值看，其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。至此，可断定居民消费总额时间序列是非平稳的。6、利用ADF检验，经过

13、试算，发现居民消费总额是2阶单整的，适当的检验模型为： （-3.87） （2.30）Correlogram-Q-Statistics检验证明随机误差项已不存在自相关。从的参数值看，其t统计量绝对值3.87大于临界值的绝对值，所以拒绝零假设，认为居民消费总额的二阶差分是平稳的时间序列，即居民消费总额是2阶单整的。7、居民消费总额经二阶差分后的新序列X2的样本自相关函数图与偏自相关函数图及数据如图所示： （二阶差分后样本数n为23），偏自相关函数值的绝对值在k2后均小于此值，而自相关函数是拖尾的，可认定该序列是一个2阶自回归过程。8、有如下Yule Walker 方程： 解为：用OLS法回归的结果

14、为：(3.04) （-2.30） .=0.313 DW.=2.08 加入常数项,回归如下式（0.62） （2.94） （-2.32）=0.361 . =0.291 DW.=2.11对三个模型的残差进行检验，得到Q统计量如下：模型1模型2模型3KQ-StatProbQ-StatProbQ-StatProb10.08410.7720.11480.7350.09070.76320.08950.9560.11520.9440.10260.95030.98920.8041.01260.7980.97490.80741.01830.9071.06170.9001.00280.90952.69850.7462.65120.7542.74790.73962.70940.8442.6