时域分析方法 原理 事件的发展通常都具有一定的惯性，这种惯性用统计的语 言来描述就是序列值之间存在着一定的相关关系，这种相关关 系通常具有某种统计规律。 目的 寻找出序列值之间相关关系的统计规律，并拟合出适当的 数学模型来描述这种规律，进而利用这个拟合模型预测序列未 来的走势 特点 理论基础扎实，操作步骤规范，分析结果易于解释，是时 间序列分析的主流方法
11 时域分析方法 原理 事件的发展通常都具有一定的惯性，这种惯性用统计的语 言来描述就是序列值之间存在着一定的相关关系，这种相关关 系通常具有某种统计规律。 目的 寻找出序列值之间相关关系的统计规律，并拟合出适当的 数学模型来描述这种规律，进而利用这个拟合模型预测序列未 来的走势 特点 理论基础扎实，操作步骤规范，分析结果易于解释，是时 间序列分析的主流方法
4、常见的数据类型 到目前为止，经典计量经济模型常用到的数据有： 时间序列数据(time-series data); ·截面数据(cross-sectional data) 平行/面板数据(panel data/time-series cross- section data) ★时间序列数据是最常见，也是最常用到的数据。 12
12 4、常见的数据类型 到目前为止，经典计量经济模型常用到的数据有： • 时间序列数据（time-series data)； • 截面数据(cross-sectional data) • 平行/面板数据（panel data/time-series crosssection data) ★时间序列数据是最常见，也是最常用到的数据
5、经典回归模型与数据的平稳性 ·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“一致性”要 求一一被破怀。 ·经典回归分析的假设之一：解释变量X是非随机变量 ·放宽该假设：X是随机变量，则需进一步要求： (1)X与随机扰动项μ不相关：CovX,)=0 (2)∑(x,-X)2/n依概率收敛：PIim(∑(X,-)/m=9 13
13 5、经典回归模型与数据的平稳性 • 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。 • 经典回归分析的假设之一：解释变量X是非随机变量 • 放宽该假设：X是随机变量，则需进一步要求： (1)X与随机扰动项 不相关∶Cov(X,)=0 (Xi − X) / n 2 − = → P Xi X n Q n ( ( ) / ) 2 (2) 依概率收敛： lim
第(1)条是OLS估计的需要 第(2)条是为了满足统计推断中大样本下的 60 性”特Plim(B)=B 注意：在双变量模型中： B-B+ x4 ∑ ∑x2/n Plim ∑x,u,/n 0 因此： Plim B=B+ n->oo Plim∑x2/n =B+ ▲如果X是非平稳数据（如表现出向上的趋势)，则(2)不 成立，回归估计量不满足“一致性”，基于大样本的统计推 断也就遇到麻烦。 14
14 第（2）条是为了满足统计推断中大样本下的“一致 性”特性： = → ) ˆ ( lim n P = + = + x n x u n x x u i i i i i i / / ˆ 2 2 = + = + = → P x n Q P x u n P i i i n 0 lim / lim / ˆ lim 2 第（1）条是OLS估计的需要 ▲如果X是非平稳数据（如表现出向上的趋势），则（2）不 成立，回归估计量不满足“一致性”，基于大样本的统计推 断也就遇到麻烦。 因此： 注意：在双变量模型中：
6、 数据非平稳，往往导致出现“虚假回归”问题 表现在：两个本来没有任何因果关系的变量， 却有很高的相关性（有较高的R): 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。 在现实经济生活中： 情况往往是实际的时间序列数据是非平稳的，而 且主要的经济变量如消费、收入、价格往往表现为 一致的上升或下降。这样，仍然通过经典的因果关 系模型港行分析，一般不会得到有意义的结果。 15
15 表现在:两个本来没有任何因果关系的变量， 却有很高的相关性（有较高的R2)： 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。 在现实经济生活中： 情况往往是实际的时间序列数据是非平稳的，而 且主要的经济变量如消费、收入、价格往往表现为 一致的上升或下降。这样，仍然通过经典的因果关 系模型进行分析，一般不会得到有意义的结果。 6、数据非平稳，往往导致出现“虚假回归”问题