§8.1时间序列平稳性和单位根检验 Stationary Time Serial and Unit Root Test 一、时间序列的平稳性 二、单整序列 三、单位根检验
§8.1 时间序列平稳性和单位根检验 Stationary Time Serial and Unit Root Test 一、时间序列的平稳性 二、单整序列 三、单位根检验
·经典时间序列分析模型： -包括MA、AR、ARMA模型 一平稳时间序列模型 -分析时间序列自身的变化规律 。现代时间序列分析模型： 一分析时间序列之间的结构关系 一单位根检验、协整检验是核心内容 一现代宏观计量经济学的主要内容
• 经典时间序列分析模型： – 包括MA、AR、ARMA模型 – 平稳时间序列模型 – 分析时间序列自身的变化规律 • 现代时间序列分析模型： – 分析时间序列之间的结构关系 – 单位根检验、协整检验是核心内容 – 现代宏观计量经济学的主要内容
一、时间序列的平稳性 Stationary Time Series
一、时间序列的平稳性 Stationary Time Series
1.问题的提出 ·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。 。 经典回归分析暗含着一个重要假设：数据是平稳的
⒈问题的提出 • 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。 • 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— 被破怀。 ·数据非平稳，往往导致出现“虚假回归” (Spurious Regression)问题。 -表现为两个本来没有任何因果关系的变量，却有很高的 相关性。 -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
• 数据非平稳，大样本下的统计推断基础——“一致 性”要求——被破怀。 • 数据非平稳，往往导致出现“虚假回归” （Spurious Regression）问题。 –表现为两个本来没有任何因果关系的变量，却有很高的 相关性。 –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