《计量经济学》课程教学课件（PPT讲稿）第五章 时间序列计量经济学模型 5.1 时间序列模型的序列相关性

第五章时间序列计量经济学模型 §5.1 时间序列模型的序列相关性 §5.2时间序列的平稳性及其检验 §5.3协整与误差修正模型 §5.4格兰杰因果关系检验

第五章 时间序列计量经济学模型 §5.1 时间序列模型的序列相关性 §5.2 时间序列的平稳性及其检验 §5.3 协整与误差修正模型 §5.4 格兰杰因果关系检验

关于本章教学内容设计的说明 ·时间序列的平稳性检验（§5.2节） 一以时间序列数据为样本，时间序列性破坏了随机抽样 的假定，经典计量经济学模型的数学基础能否被满足？ 一如果所有时间序列是平稳的，时间序列的平稳性可以 替代随机抽样假定，可以采用时间序列数据建立经典 计量经济学模型。 一所以，首先必须对用统计数据构造的时间序列进行平 稳性检验

关于本章教学内容设计的说明 • 时间序列的平稳性检验（§5.2节） – 以时间序列数据为样本，时间序列性破坏了随机抽样 的假定，经典计量经济学模型的数学基础能否被满足？ – 如果所有时间序列是平稳的，时间序列的平稳性可以 替代随机抽样假定，可以采用时间序列数据建立经典 计量经济学模型。 – 所以，首先必须对用统计数据构造的时间序列进行平 稳性检验

·时间序列的协整检验（§5.3节） 一实际经济时间序列大都是非平稳的，那么，在非平稳 时间序列之间能否建立计量经济学结构模型？ 一需要对模型采用的非平稳时间序列进行协整检验

• 时间序列的协整检验（§5.3节） – 实际经济时间序列大都是非平稳的，那么，在非平稳 时间序列之间能否建立计量经济学结构模型？ – 需要对模型采用的非平稳时间序列进行协整检验

·时间序列模型的序列相关问题（§5.1节） 一采用时间序列数据建立计量经济学模型，无论是平稳 时间序列和非平稳时间序列，模型随机误差项一般都 存在序列相关，这就违背了经典模型的一个重要的基 本假设。 一所以模型的序列相关性肯定是时间序列计量经济学模 型必须重点讨论的一个问题。 一由于在时间序列的平稳性检验和协整检验中都涉及到 序列相关，所以，将它作为第一节讨论的内容

• 时间序列模型的序列相关问题（§5.1节） – 采用时间序列数据建立计量经济学模型，无论是平稳 时间序列和非平稳时间序列，模型随机误差项一般都 存在序列相关，这就违背了经典模型的一个重要的基 本假设。 – 所以模型的序列相关性肯定是时间序列计量经济学模 型必须重点讨论的一个问题。 – 由于在时间序列的平稳性检验和协整检验中都涉及到 序列相关，所以，将它作为第一节讨论的内容

·格兰杰因果关系检验（§5.4) 一格兰杰因果关系检验，在时间序列计量经济学模型建 模时被广泛应用，并且存在滥用和错用现象。 一从应用的角度出发，将格兰杰因果关系检验单独作为 一节。 一借此对自回归模型和向量自回归模型的概念进行必要 的介绍

• 格兰杰因果关系检验（§5.4） – 格兰杰因果关系检验，在时间序列计量经济学模型建 模时被广泛应用，并且存在滥用和错用现象。 – 从应用的角度出发，将格兰杰因果关系检验单独作为 一节。 – 借此对自回归模型和向量自回归模型的概念进行必要 的介绍

§5.1时间序列模型的序列相关性 序列相关性 二、 实际经济问题中的序列相关性 三、 序列相关性的后果 四、人 序列相关性的检验 五、序列相关的补救 虚假序列相关问题 七 案例

§5.1 时间序列模型的序列相关性 一 、序列相关性 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、序列相关的补救 六、虚假序列相关问题 七、案例

一、序列相关性的概念

一、序列相关性的概念

·序列相关性 -模型随机项之间不存在相关性，称为：No Autocorrelation. 一以截面数据为样本时，如果模型随机项之间存在相 关性，称为：Spatial Autocorrelation。 一以时序数据为样本时，如果模型随机项之间存在相 关性，称为：Serial Autocorrelation。 -习惯上统称为序列相关性(Serial Correlation or Autocorrelation)

• 序列相关性 – 模型随机项之间不存在相关性，称为：No Autocorrelation。 – 以截面数据为样本时，如果模型随机项之间存在相 关性，称为：Spatial Autocorrelation。 – 以时序数据为样本时，如果模型随机项之间存在相 关性，称为：Serial Autocorrelation。 – 习惯上统称为序列相关性（Serial Correlation or Autocorrelation）

Y=Bo+BX+BX2+L +BX+m t=1,2,L,T 其他基本假设仍成立，随机扰动项存在序列相关： Cov(41,4j)=E(4,4)≠0 02 L E(44r) Var()=E(u'）= M M 、E(44)L 02 M O M =022≠621 02

其他基本假设仍成立，随机扰动项存在序列相关: ( , ) = ( )  0 Cov  i  j E  i  j 0 1 1 2 2 , 1,2, , Y X X X t T t t t k tk t = + + + + + =      L L 2 1 2 1 ( ) ( ) ( ) ( ) T T E Var E E           = =        μ μμ L M O M L 2 1 2 1 T T         =       L M O M L Ω I 2 2 =   

·一阶序列相关，或自相关 E(4,4+1)≠0 i=1,2,L,n-1 L=PL-1+8 p称为自协方差系数(coefficient of autocovariance) 或一阶自相关系数(first-order coefficient of autocorrelation)

• 一阶序列相关，或自相关 E i i (  ) +1  0 i n = − 1,2, , 1 L i i i  =  +  −1 ρ称为自协方差系数（coefficient of autocovariance） 或一阶自相关系数（first-order coefficient of autocorrelation）