§92随机时间序列分析模型 时间序列模型的基本概念及其适用性 、随机时间序列模型的平稳性条件 、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验
§9.2 随机时间序列分析模型 一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验
·经典计量经济学模型与时间序列模型 确定性时间序列模型与随机性时间序列 模型
• 经典计量经济学模型与时间序列模型 • 确定性时间序列模型与随机性时间序列 模型
、时间序列模型的基本概念及其适用性
一、时间序列模型的基本概念及其适用性
1、时间序列模型的基本概念 随机时间序列模型( time series modeling)是指仅用它的 过去值及随机扰动项所建立起来的模型,其一般形式为 X=F(X1,X12…,p 建立具体的时间序列模型,需解决如下三个问题: 1)模型的具体形式 (2)时序变量的滞后期 (3)随机扰动项的结构 例如,取线性方程、一期滞后以及白噪声随机扰动项(μ E),模型将是一个1阶自回归过程AR(1 XI(,t Et 这里,ε特指一白噪声
1、时间序列模型的基本概念 随机时间序列模型（time series modeling）是指仅用它的 过去值及随机扰动项所建立起来的模型，其一般形式为 Xt=F(Xt-1 , Xt-2 , …, t ) 建立具体的时间序列模型，需解决如下三个问题： (1)模型的具体形式 (2)时序变量的滞后期 (3)随机扰动项的结构 例如，取线性方程、一期滞后以及白噪声随机扰动项（ t =t），模型将是一个1阶自回归过程AR(1)： Xt =Xt-1+ t 这里， t特指一白噪声
般的p阶自回归过程AR(p)是 X=01X+1+02X 24t-2 +.+0nX+ p- t-p μt (1)如果随机扰动项是一个白噪声(μ=E),则称(*) 式为一纯AR(p)过程( pure Ar(p) process),记为 X=(1x1+(2X12+….+(2Xtp+8t (2)如果μ不是一个白噪声,通常认为它是一个q 阶的移动平均( moving average)过程MA(q) 0111-0 t-2 0 该式给出了一个纯MA(q)过程( pure MA(p) pl rocess
一般的p阶自回归过程AR(p)是 Xt =1Xt-1+ 2Xt-2 + … + pXt-p + t (*) (1)如果随机扰动项是一个白噪声(t =t )，则称(*) 式为一纯AR(p)过程（pure AR(p) process），记为 Xt =1Xt-1+ 2Xt-2 + … + pXt-p +t (2)如果t不是一个白噪声，通常认为它是一个q 阶的移动平均（moving average）过程MA(q)： t =t - 1t-1 - 2t-2 - - qt-q 该式给出了一个纯MA(q)过程（pure MA(p) process）