时间序列的平稳性
例9.1时间序列的平稳性。以1952年至2004年我国GDP指数为例,表1所示。
表1 1952-2004年我国GDP指数
年份
指数
年份
指数
年份
指数
年份
指数
1952
100.0
1966
237.1
1980
546.8
1994
2117.8
1953
115.6
1967
223.6
1981
575.5
1995
2340.5
1954
120.5
1968
214.4
1982
627.6
1996
2565.2
1955
128.7
1969
250.6
1983
695.8
1997
2790.9
1956
148.1
1970
299.3
1984
801.3
1998
3008.6
1957
155.6
1971
320.4
1985
909.2
1999
3224.8
1958
188.6
1972
332.4
1986
989.7
2000
3482.7
1959
205.3
1973
358.5
1987
1104.3
2001
3743.9
1960
204.6
1974
366.8
1988
1228.9
2002
4054.5
1961
148.7
1975
398.7
1989
1278.8
2003
4439.6
1962
140.4
1976
392.2
1990
1327.9
2004
4861.5
1963
154.7
1977
422.1
1991
1449.8
1964
182.9
1978
471.4
1992
1656.3
1965
214.1
1979
507.1
1993
1880.0
注:GDP(国内生产总值)指数以1950年为100,按照可比价计算。
1952年至2004年我国GDP指数的时间序列图如图1所示。
图1 1952-2004年我国GDP指数时间序列图
根据相关图的平稳性检验——自(偏自)相关检验
例9.2 续例9.1根据相关图的平稳性检验——自(偏自)相关检验
1952年至2004年我国GDP指数自(偏自)相关
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
图如图2所示。
图2 1952-2004年我国GDP指数自(偏自)相关分析图
图2给出了我国GDP指数滞后12阶的自(偏自)相关图。这个滞后12阶的GDP指数相关图中自相关值从一阶滞后的很高值(0.905)开始,并极其缓慢地下降。可见,GDP指数时间序列是不平稳的。
单位根检验
例9.3 续例9.2利用单位根进行平稳性检验
对我国GDP指数进行ADF单位根检验,结果如下:
· GDPt= -8.2374+0.4721t+0.0364GDPt-1+0.5903 △GDPt-1
T (-0.8397) (0.8844) (3.0629) (4.4126)
Sig (0.4053) (0.3810) (0.0036) (0.0001)
=0.9419 d=1.5582
=0.9382
ADF Test Statistic
3.062846
1% Critical Value*
-4.1458
5% Critical Value
-3.4987
10% Critical Value
-3.1782
*MacKinnon critical values for rejection of hypothesis of a unit root.
从检验结果可见,ADF检验的统计量甚至低于麦金农10%的临界值的绝对值,可见,我国GDP指数时间序列是不平稳的。
趋势平稳(TS)与差分平稳(DS)
差分平稳(DS)(二次差分后)
例9.4 续例9.3对我国GDP数据进行二次差分后的自(偏自)相关分析图如图3所示。
图3 1952-2004年我国GDP指数自(偏自)相关分析图
图3显示,GDP指数相关图中自相关值随机地在零左右徘徊,可见,我国GDP指数时间序列经过二次差分后变成了平稳的。
协积检验
例9.5 研究1981年至2004年我国城镇居民人均可支配收入(PDI)与人均消费性支出(PCE)之间是否存在协积关系。1981年至2004年我国城镇居民PDI与PCE如表2所示。
表2 1981-2004年我国城镇居民PDI与PCE
年份
PDI
PCE
年份
PDI
PCE
年份
PDI
PCE
1981
479.9
445.7
1989
1182.9
1041.3
1997
5005.1
4059.7
1982
516.3
461.8
1990
1490.8
1262.5
1998
5457.8
4357.8
1983
552.9
496
1991
1618.1
1383.3
1999
5931.1
4676.7
1984
634.1
544.7
1992
1866.1
1539.3
2000
6230.2
4958.3
1985
660.5
601.6
1993
2220
1818.1
2001
6811.9
5272.1
1986
840.7
746.7
1994
2797
2281
2002
7780.6
6090.8
1987
921.1
812.9
1995
3667
3028.8
2003
8396.6
6452.8
1988
978.8
914.6
1996
4447.5
3602.5
2004
9120.6
6952.7
首先,二者具有很强的相关性,由图4可见。
图4 1981-2004年我国城镇居民PDI与PCE
回归结果也表明二者之间确实具有很强的相关性。
PCE= 124.6922 + 0.7639PDI (1)
T (6.2552) (165.7992)
Sig (0.0000) (0.0000)
=0.9992 d=1.5645
=0.9992
那么,这个回归是否谬误回归?因为个别地看,两个时间序列都是非平稳的,因此这个回归可能是谬误回归。下面进行检验。
对Ut进行单位根检验
· Ut = -0.3299Ut-1 (2)
T (-1.7226)
Sig (0.0990)
=0.1134 d=2.2362
=0.1134
ADF Test Statistic
-1.722575
1% Critical Value*
-2.6700
5% Critical Value
-1.9566
10% Critical Value
-1.6235
*MacKinnon critical values for rejection of hypothesis of a unit root.
ADF检验统计量超过了麦金农10%的临界值,可见Ut可以在90%的概率下认为是平稳时间序列。容易检验,PDT和PCE都是一阶平稳时间序列,即为I(1)时间序列。因此上述回归不是谬误回归,而是协整。
ECM
协积与误差纠正机制
例9.6续例9.5
· PCE=
其中,△和前边一样表示一阶差分算子,
表示随机误差项,
,即从上一回归中得到的误差项的一期滞后值。
回到我们的例子,对上式回归结果为:
· PCE=
(3)
T= (-0.3406) (19.2094) (-1.6187)
Sig (0.7369) (0.0000) (0.1212)
=0.9516 d=2.1878
=0.9468
从回归结果来看,效果很好。上式表明,PCE对PDI的变化在同一时期就立即进行调整。(3)表明,PDI的短期变化对个人消费的短期变化有着正的影响。其中,0.7752可以认为是短期边际消费倾向,而长期边际消费倾向由(1)式估计结果给出,为0.7639。
PAGE
5
_1206977600.unknown
_1207423555.unknown
_1207423556.unknown
_1207316792.unknown
_1207423095.unknown
_1206977994.unknown
_1206977564.unknown
_1206977599.unknown
_1206977541.unknown