時(shí)間序列、動(dòng)態(tài)計(jì)量和非平穩(wěn)性課件

1時(shí)間序列、動(dòng)態(tài)計(jì)量和非平穩(wěn)性1時(shí)間序列、動(dòng)態(tài)計(jì)量2本章介紹時(shí)間序列數(shù)據(jù)的性質(zhì)和時(shí)間序列數(shù)據(jù)計(jì)量分析的基本原理，動(dòng)態(tài)計(jì)量經(jīng)濟(jì)分析的自回歸分布滯后模型和因果性檢驗(yàn)，時(shí)間序列回歸中的偽回歸和單位根檢驗(yàn)，以及單積、協(xié)積和誤差修正模型。2本章介紹時(shí)間序列數(shù)據(jù)的性質(zhì)和時(shí)間序列數(shù)據(jù)計(jì)量分析的基本原理3第一節(jié)時(shí)間序列分析方法第二節(jié)自回歸分布滯后模型第三節(jié)平穩(wěn)性和非平穩(wěn)時(shí)間序列分析3第一節(jié)時(shí)間序列分析方法4一、時(shí)間序列的性質(zhì)時(shí)間序列數(shù)據(jù)最根本的特征，也是與截面數(shù)據(jù)最根本的區(qū)別，是時(shí)間序列數(shù)據(jù)對(duì)應(yīng)時(shí)間的順序性。這種順序性是時(shí)間序列數(shù)據(jù)按時(shí)間順序統(tǒng)計(jì)觀測(cè)的基本方式?jīng)Q定的。時(shí)間序列數(shù)據(jù)的性質(zhì)和特征：1、時(shí)間序列數(shù)據(jù)的時(shí)間順序性決定了它們可以反映經(jīng)濟(jì)運(yùn)行的趨勢(shì)性。4一、時(shí)間序列的性質(zhì)52、時(shí)間序列數(shù)據(jù)的時(shí)間順序性決定了它們可以反映經(jīng)濟(jì)運(yùn)動(dòng)的周期性和季節(jié)性。3、時(shí)間序列數(shù)據(jù)的時(shí)間順序性，決定了它們可以反映經(jīng)濟(jì)運(yùn)動(dòng)、關(guān)系中的延滯作用和長(zhǎng)期持續(xù)效應(yīng)，也稱為“滯后效應(yīng)”。4、時(shí)間序列的順序性也決定了時(shí)間序列數(shù)據(jù)可以反映經(jīng)濟(jì)運(yùn)動(dòng)、關(guān)系中的各種正反饋?zhàn)饔谩?、時(shí)間序列數(shù)據(jù)的時(shí)間順序性，與時(shí)間之間的對(duì)應(yīng)關(guān)系，決定了時(shí)間序列數(shù)據(jù)與隨機(jī)過程之間不可分割的聯(lián)系。52、時(shí)間序列數(shù)據(jù)的時(shí)間順序性決定了它們可以反映經(jīng)濟(jì)運(yùn)動(dòng)的周6二、時(shí)間序列數(shù)據(jù)計(jì)量分析方法（一）傳統(tǒng)時(shí)間序列計(jì)量分析方法1、趨勢(shì)回歸和統(tǒng)計(jì)平滑處理時(shí)間趨勢(shì)回歸：把時(shí)間作為解釋變量，把經(jīng)濟(jì)規(guī)律當(dāng)作時(shí)間序列與時(shí)間之間的因果關(guān)系，進(jìn)行線性非線性回歸分析；對(duì)兩個(gè)時(shí)間序列變量之間的回歸進(jìn)行分析，意味著預(yù)測(cè)序列的趨勢(shì)性與另一時(shí)間序列的趨勢(shì)相關(guān)。6二、時(shí)間序列數(shù)據(jù)計(jì)量分析方法72、季節(jié)性和周期分析分析處理時(shí)間序列數(shù)據(jù)季節(jié)性、周期性的方法，包括虛擬變量回歸和因素分解等。3、分布滯后和自回歸模型分析分布滯后、自回歸分布滯后模型和格蘭杰因果性檢驗(yàn)，在分析方法方面其實(shí)都屬于傳統(tǒng)計(jì)量經(jīng)濟(jì)分析方法。這些模型研究的主要是經(jīng)濟(jì)關(guān)系的長(zhǎng)期動(dòng)態(tài)規(guī)律，因此也稱“動(dòng)態(tài)計(jì)量經(jīng)濟(jì)分析”或“動(dòng)態(tài)計(jì)量經(jīng)濟(jì)學(xué)”。72、季節(jié)性和周期分析8（二）現(xiàn)代時(shí)間序列分析方法 1、頻譜分析/譜分析/頻域分析頻譜分析認(rèn)為任何時(shí)間序列都能分解成一系列不同頻率，或者說不同波長(zhǎng)周期波動(dòng)的疊加，可以通過波形分解掌握時(shí)間序列變量的變化規(guī)律。由于頻譜技術(shù)要求的數(shù)據(jù)容量和穩(wěn)定性都更強(qiáng)，經(jīng)濟(jì)數(shù)據(jù)一般不容易滿足這些要求，而且頻譜技術(shù)更重要的應(yīng)用是控制而不是預(yù)測(cè)，因此頻譜技術(shù)在工程技術(shù)方面應(yīng)用較多，在經(jīng)濟(jì)學(xué)中使用較少。8（二）現(xiàn)代時(shí)間序列分析方法 92、時(shí)域分析時(shí)域分析指從時(shí)間序列不同時(shí)域（時(shí)期）之間相互依存、影響的角度，研究時(shí)間序列的規(guī)律和進(jìn)行預(yù)測(cè)的時(shí)間序列分析方法。典型的時(shí)域分析方法是由博克斯（Box）和Jenkins提出的ARMA模型分析，也稱為BJ方法論。Box和Jenkins認(rèn)為時(shí)間序列的本質(zhì)特征就是相鄰觀測(cè)值的依賴性，時(shí)間序列分析就是對(duì)這種依賴性進(jìn)行分析的技巧。92、時(shí)域分析10時(shí)域和頻譜兩種方法并不是相互排斥的時(shí)域分析更適合經(jīng)濟(jì)時(shí)間序列的實(shí)際，而且更加符合經(jīng)濟(jì)分析的需要，與傳統(tǒng)時(shí)間序列分析方法的聯(lián)系也比較緊密，因此經(jīng)濟(jì)時(shí)間序列分析中廣泛使用的是時(shí)域分析法。10時(shí)域和頻譜兩種方法并不是相互排斥的11第二節(jié)自回歸分布滯后模型一、分布滯后模型由于信息滯后、交易周期，以及技術(shù)和心理等因素，經(jīng)濟(jì)行為、政策等的效果常常有時(shí)間延滯性或持續(xù)作用。滯后效應(yīng)可以通過滯后期長(zhǎng)度、短期效應(yīng)、中期相應(yīng)、半效應(yīng)長(zhǎng)度等進(jìn)行衡量。掌握這些滯后效應(yīng)對(duì)準(zhǔn)確把握經(jīng)濟(jì)中的動(dòng)態(tài)關(guān)系，避免預(yù)測(cè)和決策偏差非常重要。但現(xiàn)實(shí)中往往只知道可能存在滯后效應(yīng)，滯后效應(yīng)的持續(xù)長(zhǎng)度和結(jié)構(gòu)模式都不清楚，甚至滯后效應(yīng)是否確實(shí)存在也不能肯定。11第二節(jié)自回歸分布滯后模型一、分布滯后模型12“分布滯后模型”（DistributeLaggedModel,DL模型）例：消費(fèi)滯后效應(yīng)的問題分布滯后模型是分析判斷滯后效應(yīng)的存在性及其模式的基本模型，可研究經(jīng)濟(jì)變量作用的時(shí)間滯后效應(yīng)、長(zhǎng)期影響，以及經(jīng)濟(jì)變量之間的動(dòng)態(tài)影響關(guān)系，用于評(píng)價(jià)經(jīng)濟(jì)政策的中長(zhǎng)期效果，屬于動(dòng)態(tài)計(jì)量分析的范疇。12“分布滯后模型”（DistributeLaggedM13分布滯后模型可以分為——“無限分布滯后模型”：——“有限分布滯后模型”：13分布滯后模型可以分為14由于分布滯后模型的參數(shù)較多，且滯后長(zhǎng)度未知，因此分布滯后模型的參數(shù)估計(jì)會(huì)存在一定的問題和困難。這些困難的解決方法包括：1、現(xiàn)式估計(jì)法——適用滯后長(zhǎng)度不確定的分布滯后模型。

依次估計(jì)帶一期滯后變量、兩期滯后變量等的分布滯后模型，當(dāng)發(fā)現(xiàn)增加的滯后變量的回歸系數(shù)在統(tǒng)計(jì)上開始變得不顯著，或至少有一個(gè)變量的系數(shù)改變符號(hào)時(shí)，就不再增加滯后期，把此前一個(gè)模型作為分布滯后模型的形式，相應(yīng)參數(shù)估計(jì)作為模型的參數(shù)估計(jì)。存在的問題14由于分布滯后模型的參數(shù)較多，且滯后長(zhǎng)度未知，因此分布滯后152、阿爾蒙多項(xiàng)式法——適用已知滯后長(zhǎng)度，但滯后長(zhǎng)度較長(zhǎng)的有限分布滯后模型。基本思想是利用先驗(yàn)信息和經(jīng)驗(yàn)，以滯后期i的一個(gè)適當(dāng)次數(shù)的多項(xiàng)式模擬分布滯后模型的系數(shù)，從而簡(jiǎn)化分布滯后模型和方便參數(shù)估計(jì)。152、阿爾蒙多項(xiàng)式法——適用已知滯后長(zhǎng)度，但滯后長(zhǎng)度較長(zhǎng)的16設(shè)一個(gè)有限分布滯后模型為：阿爾蒙認(rèn)為可以用如下的i多項(xiàng)式模擬的變化：當(dāng)通過對(duì)具體問題滯后效應(yīng)的分析，初步判斷滯后效應(yīng)變化模式符合上述情況之一時(shí)，可以選定相應(yīng)的m和滯后參數(shù)多項(xiàng)式。m通常在1到4之間。16設(shè)一個(gè)有限分布滯后模型為：17以m=2的情況為例:17以m=2的情況為例:18若令，則模型變?yōu)椋河肙LS法進(jìn)行參數(shù)估計(jì)得估計(jì)值18若令19把這些估計(jì)值代入滯后參數(shù)多項(xiàng)式，得到各個(gè)滯后參數(shù)的估計(jì)值：這就是分布滯后模型參數(shù)的阿爾蒙多項(xiàng)式法估計(jì)。19把這些估計(jì)值代入滯后參數(shù)多項(xiàng)式，得到各個(gè)滯后參數(shù)的估計(jì)值203、考伊克方法可以彌補(bǔ)阿爾蒙多項(xiàng)式法不足。形式上是針對(duì)無限分布滯后模型（6-1）由于隨著滯后期的增加滯后效應(yīng)總是不斷減小，滯后期很大的項(xiàng)接近0，無限分布滯后模型與滯后長(zhǎng)度較長(zhǎng)的有限分布滯后模型相差不大，因此也可處理有限分布滯后模型，特別是滯后長(zhǎng)度較長(zhǎng)的有限分布滯后模型。203、考伊克方法21考伊克方法假設(shè)分布滯后模型中的參數(shù)按照幾何級(jí)數(shù)衰減，其中考伊克方法模型設(shè)定的這種滯后參數(shù)模型有以下基本特點(diǎn)：（1）不變號(hào)；（2）是k的減函數(shù)；（3）越小，衰減速度越快，因此稱為“衰減率”，稱為“調(diào)節(jié)速度”；（4）長(zhǎng)期乘數(shù)有限，即。21考伊克方法假設(shè)分布滯后模型中的參數(shù)按照幾何級(jí)數(shù)22把代入分布滯后模型(6-1)，得到（6-2）再把（6-2）滯后一期得（6-3）再計(jì)算(6-2)-(6-3)得到22把代入分布滯后模型(6-1)，得到23移項(xiàng)整理得對(duì)該模型進(jìn)行參數(shù)估計(jì)，再代回滯后系數(shù)函數(shù)得到原模型參數(shù)的估計(jì)值，可以克服了無限分布滯后模型參數(shù)估計(jì)的困難。不過，上述模型中存在被解釋變量的滯后變量作為解釋變量的情況，而且因?yàn)槟Ｐ偷恼`差項(xiàng)與有關(guān)，因此普通最小二乘估計(jì)不再適用，需要用工具變量法等進(jìn)行估計(jì)。23移項(xiàng)整理得24考伊克方法把包含等未知參數(shù)的無限分布滯后模型，轉(zhuǎn)化為僅含三個(gè)未知參數(shù)的線性回歸模型，能最大限度地降低共線性等問題?？家量朔椒ㄋO(shè)定的滯后結(jié)構(gòu)模式有主觀性，而且只能反映所有系數(shù)同號(hào)，滯后系數(shù)按幾何級(jí)數(shù)單調(diào)下降的滯后效應(yīng)，對(duì)于其他情況則無法反映，而且把無限分布滯后模型轉(zhuǎn)化為自回歸模型也可能引起新的問題。24考伊克方法把包含25二、自回歸模型（AutoregressiveModel,AR）把被解釋變量的滯后變量作為解釋變量的回歸模型，通常稱為“自回歸模型”

一般地，可以考慮帶S期滯后被解釋變量和K個(gè)其他解釋變量的自回歸模型如果同時(shí)存在自回歸效應(yīng)和分布滯后效應(yīng)，則模型可進(jìn)一步發(fā)展為稱為“自回歸分布滯后模型”(ARDL)。25二、自回歸模型（AutoregressiveModel26（一）估計(jì)方法自回歸模型的參數(shù)估計(jì)一般不存在參數(shù)數(shù)量方面的困難。但自回歸模型的自回歸項(xiàng)必然是隨機(jī)變量，如果這些自回歸項(xiàng)與誤差項(xiàng)有關(guān)，那么普通最小二乘估計(jì)就不適用。這種情況必須采用工具變量法或其他方法進(jìn)行參數(shù)估計(jì)。通常用解釋變量的相應(yīng)滯后變量作為被解釋變量滯后變量的工具變量，或者先對(duì)原模型進(jìn)行回歸以后，用被解釋變量的理論值的相應(yīng)滯后作工具變量。有時(shí)還可以采用矩方法或最大似然法等估計(jì)參數(shù)。26（一）估計(jì)方法27(二)自回歸模型中隨機(jī)變量作解釋變量的另一個(gè)問題——對(duì)模型誤差項(xiàng)的誤差序列自相關(guān)性檢驗(yàn)。因?yàn)閷?duì)于有隨機(jī)解釋變量的模型，通常檢驗(yàn)誤差序列自相關(guān)性的DW檢驗(yàn)是不適用的。杜賓提出了一種適用檢驗(yàn)這種模型一階自相關(guān)性的H統(tǒng)計(jì)量，也稱為“杜賓H檢驗(yàn)”：該統(tǒng)計(jì)量在不存在誤差序列相關(guān)時(shí)，服從標(biāo)準(zhǔn)正態(tài)分布。的顯著性檢驗(yàn)可以代表誤差序列一階自相關(guān)檢驗(yàn)。27(二)自回歸模型中隨機(jī)變量作解釋變量的另一個(gè)問題——對(duì)模28三、因果性檢驗(yàn)——格蘭杰檢驗(yàn)（Grangertest）格蘭杰檢驗(yàn)運(yùn)用統(tǒng)計(jì)技術(shù)檢驗(yàn)經(jīng)濟(jì)變量因果性的方法。格蘭杰檢驗(yàn)的原理是利用經(jīng)濟(jì)關(guān)系發(fā)揮作用的時(shí)間差和滯后效應(yīng)，根據(jù)經(jīng)濟(jì)變量各自的前期指標(biāo)相互在解釋、影響對(duì)方指標(biāo)中的顯著程度，來判斷因果關(guān)系的存在性和方向。因?yàn)橐蚬詸z驗(yàn)是針對(duì)因果關(guān)系不清楚或有疑問的變量，因此一般格蘭杰檢驗(yàn)總是雙向檢驗(yàn)。28三、因果性檢驗(yàn)——格蘭杰檢驗(yàn)（Grangertest）29檢驗(yàn)X是否影響Y的原因的分布滯后模型如下：在該模型的基礎(chǔ)上檢驗(yàn)X對(duì)Y的因果性，就是檢驗(yàn)如下假設(shè)：該假設(shè)一般通過構(gòu)造如下的F統(tǒng)計(jì)量來檢驗(yàn)：

~29檢驗(yàn)X是否影響Y的原因的分布滯后模型如下：30檢驗(yàn)Y影響X的因果性的方法也是相同的。只要用模型進(jìn)行回歸，并構(gòu)造出相應(yīng)的F統(tǒng)計(jì)量，檢驗(yàn)假設(shè)：

30檢驗(yàn)Y影響X的因果性的方法也是相同的。只要用模型“一別兩寬，各生歡喜”出自敦煌山洞出土的唐朝人“放妻協(xié)議”,這份離婚協(xié)議書的主要內(nèi)容是：“凡為夫婦之因，前世三生結(jié)緣，始配今生為夫婦。若結(jié)緣不合，比是冤家，故來相對(duì)；即以二心不同，難歸一意，快會(huì)及諸親，各還本道。愿妻娘子相離之后，”一別兩寬，各生歡喜“,意思就是：我們好聚好散吧“一別兩寬，各生歡喜”出自敦煌山洞出土的唐朝人“放妻協(xié)議”,

事不出，不知誰近誰遠(yuǎn)。人不品，不知誰濃誰淡！利不盡，不知誰聚誰散。人不窮，不知誰冷誰暖！水不試，不知哪深哪淺，人不交，不知誰好誰壞！或許，當(dāng)一段不知疲倦的旅途結(jié)束，只有站在終點(diǎn)的人，才會(huì)感覺到累，其實(shí)我一直都明白，能一直和一人做伴，實(shí)屬不易。茫茫人海，有多少人能風(fēng)雨邂逅？塵緣萬千，有多少人能相依相伴？不是所有的遇見都能守候，不是所有的情緣都能擁有，不是所有的愛，都能攜手同行，不是所有的故事，都可以寫下完美的結(jié)局……或許，當(dāng)一段不知疲倦的旅途結(jié)束，只有站在終點(diǎn)的人，才會(huì)感最近很流行的一段話：“如果我用你待我的方式來待你，恐怕你早已離去！”這句話，適合任何關(guān)系!凡事?lián)Q個(gè)角度，假如你是我，未必能有我大度。男人是條狼，選對(duì)了保護(hù)你，選錯(cuò)了折磨你！女人是條蛇，選對(duì)了纏著你，選錯(cuò)了毒死你！朋友是條路，選對(duì)了幫著你，選錯(cuò)了繞死你！真誠(chéng)的人，走著走著，就走進(jìn)了心里。虛偽的人，走著走著，就淡出了視線。時(shí)間序列、動(dòng)態(tài)計(jì)量和非平穩(wěn)性課件34時(shí)間序列、動(dòng)態(tài)計(jì)量和非平穩(wěn)性1時(shí)間序列、動(dòng)態(tài)計(jì)量35本章介紹時(shí)間序列數(shù)據(jù)的性質(zhì)和時(shí)間序列數(shù)據(jù)計(jì)量分析的基本原理，動(dòng)態(tài)計(jì)量經(jīng)濟(jì)分析的自回歸分布滯后模型和因果性檢驗(yàn)，時(shí)間序列回歸中的偽回歸和單位根檢驗(yàn)，以及單積、協(xié)積和誤差修正模型。2本章介紹時(shí)間序列數(shù)據(jù)的性質(zhì)和時(shí)間序列數(shù)據(jù)計(jì)量分析的基本原理36第一節(jié)時(shí)間序列分析方法第二節(jié)自回歸分布滯后模型第三節(jié)平穩(wěn)性和非平穩(wěn)時(shí)間序列分析3第一節(jié)時(shí)間序列分析方法37一、時(shí)間序列的性質(zhì)時(shí)間序列數(shù)據(jù)最根本的特征，也是與截面數(shù)據(jù)最根本的區(qū)別，是時(shí)間序列數(shù)據(jù)對(duì)應(yīng)時(shí)間的順序性。這種順序性是時(shí)間序列數(shù)據(jù)按時(shí)間順序統(tǒng)計(jì)觀測(cè)的基本方式?jīng)Q定的。時(shí)間序列數(shù)據(jù)的性質(zhì)和特征：1、時(shí)間序列數(shù)據(jù)的時(shí)間順序性決定了它們可以反映經(jīng)濟(jì)運(yùn)行的趨勢(shì)性。4一、時(shí)間序列的性質(zhì)382、時(shí)間序列數(shù)據(jù)的時(shí)間順序性決定了它們可以反映經(jīng)濟(jì)運(yùn)動(dòng)的周期性和季節(jié)性。3、時(shí)間序列數(shù)據(jù)的時(shí)間順序性，決定了它們可以反映經(jīng)濟(jì)運(yùn)動(dòng)、關(guān)系中的延滯作用和長(zhǎng)期持續(xù)效應(yīng)，也稱為“滯后效應(yīng)”。4、時(shí)間序列的順序性也決定了時(shí)間序列數(shù)據(jù)可以反映經(jīng)濟(jì)運(yùn)動(dòng)、關(guān)系中的各種正反饋?zhàn)饔谩?、時(shí)間序列數(shù)據(jù)的時(shí)間順序性，與時(shí)間之間的對(duì)應(yīng)關(guān)系，決定了時(shí)間序列數(shù)據(jù)與隨機(jī)過程之間不可分割的聯(lián)系。52、時(shí)間序列數(shù)據(jù)的時(shí)間順序性決定了它們可以反映經(jīng)濟(jì)運(yùn)動(dòng)的周39二、時(shí)間序列數(shù)據(jù)計(jì)量分析方法（一）傳統(tǒng)時(shí)間序列計(jì)量分析方法1、趨勢(shì)回歸和統(tǒng)計(jì)平滑處理時(shí)間趨勢(shì)回歸：把時(shí)間作為解釋變量，把經(jīng)濟(jì)規(guī)律當(dāng)作時(shí)間序列與時(shí)間之間的因果關(guān)系，進(jìn)行線性非線性回歸分析；對(duì)兩個(gè)時(shí)間序列變量之間的回歸進(jìn)行分析，意味著預(yù)測(cè)序列的趨勢(shì)性與另一時(shí)間序列的趨勢(shì)相關(guān)。6二、時(shí)間序列數(shù)據(jù)計(jì)量分析方法402、季節(jié)性和周期分析分析處理時(shí)間序列數(shù)據(jù)季節(jié)性、周期性的方法，包括虛擬變量回歸和因素分解等。3、分布滯后和自回歸模型分析分布滯后、自回歸分布滯后模型和格蘭杰因果性檢驗(yàn)，在分析方法方面其實(shí)都屬于傳統(tǒng)計(jì)量經(jīng)濟(jì)分析方法。這些模型研究的主要是經(jīng)濟(jì)關(guān)系的長(zhǎng)期動(dòng)態(tài)規(guī)律，因此也稱“動(dòng)態(tài)計(jì)量經(jīng)濟(jì)分析”或“動(dòng)態(tài)計(jì)量經(jīng)濟(jì)學(xué)”。72、季節(jié)性和周期分析41（二）現(xiàn)代時(shí)間序列分析方法 1、頻譜分析/譜分析/頻域分析頻譜分析認(rèn)為任何時(shí)間序列都能分解成一系列不同頻率，或者說不同波長(zhǎng)周期波動(dòng)的疊加，可以通過波形分解掌握時(shí)間序列變量的變化規(guī)律。由于頻譜技術(shù)要求的數(shù)據(jù)容量和穩(wěn)定性都更強(qiáng)，經(jīng)濟(jì)數(shù)據(jù)一般不容易滿足這些要求，而且頻譜技術(shù)更重要的應(yīng)用是控制而不是預(yù)測(cè)，因此頻譜技術(shù)在工程技術(shù)方面應(yīng)用較多，在經(jīng)濟(jì)學(xué)中使用較少。8（二）現(xiàn)代時(shí)間序列分析方法 422、時(shí)域分析時(shí)域分析指從時(shí)間序列不同時(shí)域（時(shí)期）之間相互依存、影響的角度，研究時(shí)間序列的規(guī)律和進(jìn)行預(yù)測(cè)的時(shí)間序列分析方法。典型的時(shí)域分析方法是由博克斯（Box）和Jenkins提出的ARMA模型分析，也稱為BJ方法論。Box和Jenkins認(rèn)為時(shí)間序列的本質(zhì)特征就是相鄰觀測(cè)值的依賴性，時(shí)間序列分析就是對(duì)這種依賴性進(jìn)行分析的技巧。92、時(shí)域分析43時(shí)域和頻譜兩種方法并不是相互排斥的時(shí)域分析更適合經(jīng)濟(jì)時(shí)間序列的實(shí)際，而且更加符合經(jīng)濟(jì)分析的需要，與傳統(tǒng)時(shí)間序列分析方法的聯(lián)系也比較緊密，因此經(jīng)濟(jì)時(shí)間序列分析中廣泛使用的是時(shí)域分析法。10時(shí)域和頻譜兩種方法并不是相互排斥的44第二節(jié)自回歸分布滯后模型一、分布滯后模型由于信息滯后、交易周期，以及技術(shù)和心理等因素，經(jīng)濟(jì)行為、政策等的效果常常有時(shí)間延滯性或持續(xù)作用。滯后效應(yīng)可以通過滯后期長(zhǎng)度、短期效應(yīng)、中期相應(yīng)、半效應(yīng)長(zhǎng)度等進(jìn)行衡量。掌握這些滯后效應(yīng)對(duì)準(zhǔn)確把握經(jīng)濟(jì)中的動(dòng)態(tài)關(guān)系，避免預(yù)測(cè)和決策偏差非常重要。但現(xiàn)實(shí)中往往只知道可能存在滯后效應(yīng)，滯后效應(yīng)的持續(xù)長(zhǎng)度和結(jié)構(gòu)模式都不清楚，甚至滯后效應(yīng)是否確實(shí)存在也不能肯定。11第二節(jié)自回歸分布滯后模型一、分布滯后模型45“分布滯后模型”（DistributeLaggedModel,DL模型）例：消費(fèi)滯后效應(yīng)的問題分布滯后模型是分析判斷滯后效應(yīng)的存在性及其模式的基本模型，可研究經(jīng)濟(jì)變量作用的時(shí)間滯后效應(yīng)、長(zhǎng)期影響，以及經(jīng)濟(jì)變量之間的動(dòng)態(tài)影響關(guān)系，用于評(píng)價(jià)經(jīng)濟(jì)政策的中長(zhǎng)期效果，屬于動(dòng)態(tài)計(jì)量分析的范疇。12“分布滯后模型”（DistributeLaggedM46分布滯后模型可以分為——“無限分布滯后模型”：——“有限分布滯后模型”：13分布滯后模型可以分為47由于分布滯后模型的參數(shù)較多，且滯后長(zhǎng)度未知，因此分布滯后模型的參數(shù)估計(jì)會(huì)存在一定的問題和困難。這些困難的解決方法包括：1、現(xiàn)式估計(jì)法——適用滯后長(zhǎng)度不確定的分布滯后模型。

依次估計(jì)帶一期滯后變量、兩期滯后變量等的分布滯后模型，當(dāng)發(fā)現(xiàn)增加的滯后變量的回歸系數(shù)在統(tǒng)計(jì)上開始變得不顯著，或至少有一個(gè)變量的系數(shù)改變符號(hào)時(shí)，就不再增加滯后期，把此前一個(gè)模型作為分布滯后模型的形式，相應(yīng)參數(shù)估計(jì)作為模型的參數(shù)估計(jì)。存在的問題14由于分布滯后模型的參數(shù)較多，且滯后長(zhǎng)度未知，因此分布滯后482、阿爾蒙多項(xiàng)式法——適用已知滯后長(zhǎng)度，但滯后長(zhǎng)度較長(zhǎng)的有限分布滯后模型?；舅枷胧抢孟闰?yàn)信息和經(jīng)驗(yàn)，以滯后期i的一個(gè)適當(dāng)次數(shù)的多項(xiàng)式模擬分布滯后模型的系數(shù)，從而簡(jiǎn)化分布滯后模型和方便參數(shù)估計(jì)。152、阿爾蒙多項(xiàng)式法——適用已知滯后長(zhǎng)度，但滯后長(zhǎng)度較長(zhǎng)的49設(shè)一個(gè)有限分布滯后模型為：阿爾蒙認(rèn)為可以用如下的i多項(xiàng)式模擬的變化：當(dāng)通過對(duì)具體問題滯后效應(yīng)的分析，初步判斷滯后效應(yīng)變化模式符合上述情況之一時(shí)，可以選定相應(yīng)的m和滯后參數(shù)多項(xiàng)式。m通常在1到4之間。16設(shè)一個(gè)有限分布滯后模型為：50以m=2的情況為例:17以m=2的情況為例:51若令，則模型變?yōu)椋河肙LS法進(jìn)行參數(shù)估計(jì)得估計(jì)值18若令52把這些估計(jì)值代入滯后參數(shù)多項(xiàng)式，得到各個(gè)滯后參數(shù)的估計(jì)值：這就是分布滯后模型參數(shù)的阿爾蒙多項(xiàng)式法估計(jì)。19把這些估計(jì)值代入滯后參數(shù)多項(xiàng)式，得到各個(gè)滯后參數(shù)的估計(jì)值533、考伊克方法可以彌補(bǔ)阿爾蒙多項(xiàng)式法不足。形式上是針對(duì)無限分布滯后模型（6-1）由于隨著滯后期的增加滯后效應(yīng)總是不斷減小，滯后期很大的項(xiàng)接近0，無限分布滯后模型與滯后長(zhǎng)度較長(zhǎng)的有限分布滯后模型相差不大，因此也可處理有限分布滯后模型，特別是滯后長(zhǎng)度較長(zhǎng)的有限分布滯后模型。203、考伊克方法54考伊克方法假設(shè)分布滯后模型中的參數(shù)按照幾何級(jí)數(shù)衰減，其中考伊克方法模型設(shè)定的這種滯后參數(shù)模型有以下基本特點(diǎn)：（1）不變號(hào)；（2）是k的減函數(shù)；（3）越小，衰減速度越快，因此稱為“衰減率”，稱為“調(diào)節(jié)速度”；（4）長(zhǎng)期乘數(shù)有限，即。21考伊克方法假設(shè)分布滯后模型中的參數(shù)按照幾何級(jí)數(shù)55把代入分布滯后模型(6-1)，得到（6-2）再把（6-2）滯后一期得（6-3）再計(jì)算(6-2)-(6-3)得到22把代入分布滯后模型(6-1)，得到56移項(xiàng)整理得對(duì)該模型進(jìn)行參數(shù)估計(jì)，再代回滯后系數(shù)函數(shù)得到原模型參數(shù)的估計(jì)值，可以克服了無限分布滯后模型參數(shù)估計(jì)的困難。不過，上述模型中存在被解釋變量的滯后變量作為解釋變量的情況，而且因?yàn)槟Ｐ偷恼`差項(xiàng)與有關(guān)，因此普通最小二乘估計(jì)不再適用，需要用工具變量法等進(jìn)行估計(jì)。23移項(xiàng)整理得57考伊克方法把包含等未知參數(shù)的無限分布滯后模型，轉(zhuǎn)化為僅含三個(gè)未知參數(shù)的線性回歸模型，能最大限度地降低共線性等問題?？家量朔椒ㄋO(shè)定的滯后結(jié)構(gòu)模式有主觀性，而且只能反映所有系數(shù)同號(hào)，滯后系數(shù)按幾何級(jí)數(shù)單調(diào)下降的滯后效應(yīng)，對(duì)于其他情況則無法反映，而且把無限分布滯后模型轉(zhuǎn)化為自回歸模型也可能引起新的問題。24考伊克方法把包含58二、自回歸模型（AutoregressiveModel,AR）把被解釋變量的滯后變量作為解釋變量的回歸模型，通常稱為“自回歸模型”

一般地，可以考慮帶S期滯后被解釋變量和K個(gè)其他解釋變量的自回歸模型如果同時(shí)存在自回歸效應(yīng)和分布滯后效應(yīng)，則模型可進(jìn)一步發(fā)展為稱為“自回歸分布滯后模型”(ARDL)。25二、自回歸模型（AutoregressiveModel59（一）估計(jì)方法自回歸模型的參數(shù)估計(jì)一般不存在參數(shù)數(shù)量方面的困難。但自回歸模型的自回歸項(xiàng)必然是隨機(jī)變量，如果這些自回歸項(xiàng)與誤差項(xiàng)有關(guān)，那么普通最小二乘估計(jì)就不適用。這種情況必須采用工具變量法或其他方法進(jìn)行參數(shù)估計(jì)。通常用解釋變量的相應(yīng)滯后變量作為被解釋變量滯后變量的工具變量，或者先對(duì)原模型進(jìn)行回歸以后，用被解釋變量的理論值的相應(yīng)滯后作工具變量。有時(shí)還可以采用矩方法或最大似然法等估計(jì)參數(shù)。26（一）估計(jì)方法60(二)自回歸模型中隨機(jī)變量作解釋變量的另一個(gè)問題——對(duì)模型誤差項(xiàng)的誤差序列自相關(guān)性檢驗(yàn)。因?yàn)閷?duì)于有隨機(jī)解釋變量的模型，通常檢驗(yàn)誤差序列自相關(guān)性的DW檢驗(yàn)是不適用的。杜賓提出了一種適用檢驗(yàn)這種模型一階自相關(guān)性的H統(tǒng)計(jì)量，也稱為“杜賓H檢驗(yàn)”：該統(tǒng)計(jì)量在不存在誤差序列相關(guān)時(shí)，服從標(biāo)準(zhǔn)正態(tài)分布。的顯著性檢驗(yàn)可以代表誤差序列一階自相關(guān)檢驗(yàn)。27(二)自回歸模型中隨機(jī)變量作解