計量經(jīng)濟學第七講-時間序列分析

第七講時間序列分析TimeSeriesAnalysisTuesday,16Dec.2008CUFE引言大多數(shù)經(jīng)濟數(shù)據(jù)特別是宏觀經(jīng)濟數(shù)據(jù)為時間序列數(shù)據(jù)。所以對時間序列進行計量經(jīng)濟學分析在計量經(jīng)濟學中占有十分重要地位。本章著重介紹時間序列分析中用到的一些基本概念，以便使學生對這一領域的研究有一個初步的了解。為進一步的學習和研究打下基礎。時間序列變量與橫截面變量在性質上有很大不同。比如，對于兩個沒有任何關系的時間序列變量，如果用傳統(tǒng)的估計方法將其中之一對另一變量進行回歸，往往都能得到從統(tǒng)計數(shù)據(jù)來看較好的擬合結果，這就是所謂的“謬誤回歸”或“偽回歸”（spuriousregression）問題。所以通過對時間序列的樣本值的分析來估計產生這個時間序列樣本的隨機過程的性質，對回歸分析是十分重要的。Tuesday,16Dec.2008CUFE時間序列分析

TimeSeriesAnalysis第一節(jié) 時間序列分析的基本概念第二節(jié) 平穩(wěn)性檢驗第三節(jié) 協(xié)整Tuesday,16Dec.2008CUFE經(jīng)濟分析通常假定所研究的經(jīng)濟理論中涉及的變量之間存在著長期均衡關系。按照這一假定，在估計這些長期關系時，計量經(jīng)濟分析假定所涉及的變量的均值和方差是常數(shù)，不隨時間而變。第一節(jié)、時間序列分析的基本概念然而經(jīng)驗研究表明，在大多數(shù)情況下，時間序列變量并不滿足這一假設。因此，以這種假設為基礎的估計方法所給出的經(jīng)典t檢驗和F檢驗，會給出產生誤導作用的結果，也就是所謂的“偽回歸”問題（‘spurious’regressionproblem）。為解決這類問題，研究人員提出了不少對傳統(tǒng)估計方法的改進建議，其中最重要的兩項是：對變量的非平穩(wěn)性(non-stationarity)的系統(tǒng)性檢驗和協(xié)整（cointegration）。Tuesday,16Dec.2008CUFE協(xié)整（cointegration）

協(xié)整分析被認為是上世紀八十年代中期以來計量經(jīng)濟學領域最具革命性的進展。

簡單地說，協(xié)整分析涉及的是一組變量，它們各自都是不平穩(wěn)的（含義是隨時間的推移而上行或下行），但它們一起漂移。這種變量的共同漂移使得這些變量之間存在長期的線性關系，因而使人們能夠研究經(jīng)濟變量間的長期均衡關系。如果這些長時間內的線性關系不成立，則對應的變量被稱為是“非協(xié)整的”（noncointegrated）。Tuesday,16Dec.2008CUFE誤差修正模型（ECM）一般說來，協(xié)整分析是用于非平穩(wěn)變量組成的關系式中長期均衡參數(shù)估計的技術。它是用于動態(tài)模型（dynamicmodels）的設定、估計和檢驗的一種新技術。因此，它可用來檢驗基礎經(jīng)濟理論是否正確。此外，協(xié)整分析亦可用于短期或非均衡參數(shù)的估計，這是因為短期參數(shù)的估計可以通過協(xié)整方法使用長期參數(shù)估計值，采用的模型是誤差修正模型（ECM：errorcorrectionmodel）。下面先介紹所涉及的一些術語和定義。Tuesday,16Dec.2008CUFE平穩(wěn)性（stationarity）第一節(jié)、時間序列分析的基本概念

任何時間序列數(shù)據(jù)都可看成由一個隨機過程產生的結果或者說是一個隨機過程的一個實現(xiàn)：設X1,X2,…,Xn為一隨機時間序列，其中每一項都是隨機的，則有關這一隨機時間序列的觀測值所組成的序列就是這一隨機時間序列的一個實現(xiàn)或者說一個樣本。我們對時間序列的研究往往是根據(jù)隨機時間序列的一個樣本來推斷時間序列總體的性質進而進行預測。在前面的回歸分析中，我們曾假定解釋變量是非隨機的，但實際上大多數(shù)經(jīng)濟數(shù)據(jù)特別是宏觀經(jīng)濟數(shù)據(jù)，由于其為時間序列數(shù)據(jù)的時候居多，無論是被解釋變量還是解釋變量的觀測數(shù)據(jù)往往可看作是隨機時間序列的一個實現(xiàn)，從而使解釋變量具有隨機性。Tuesday,16Dec.2008CUFE平穩(wěn)性（stationarity）第一節(jié)、時間序列分析的基本概念當解釋變量與回歸模型的隨機擾動項相關時，就出現(xiàn)了內生性問題；當解釋變量與回歸模型中的隨機擾動項無關時，解釋變量即使是隨機的，經(jīng)典回歸的有關結論仍然適用，但前提條件是模型設定正確。然而，模型設定是否正確在相當程度上取決于時間序列的穩(wěn)定特征。時間序列的平穩(wěn)性分析不僅對時間序列本身十分重要，而且對包括時間序列的經(jīng)典回歸分析十分重要。Tuesday,16Dec.2008CUFE平穩(wěn)性（stationarity）嚴格平穩(wěn)性（strict-sensestationarity）

如果一個時間序列Xt的聯(lián)合概率分布不隨時間而變，即對于任何n和k，X1，X2,…,Xn的聯(lián)合概率分布與X1+k，X2+k,…,Xn+k的聯(lián)合分布相同，則稱該時間序列是嚴格平穩(wěn)的。第一節(jié)、時間序列分析的基本概念Tuesday,16Dec.2008CUFE平穩(wěn)性（stationarity）弱平穩(wěn)性（wide-sensestationarity） 由于在實踐中上述聯(lián)合概率分布很難確定，我們用隨機變量Xt（t=1,2,…）的均值、方差和協(xié)方差代替之。如果一個時間序列滿足下列條件：(1)均值E(Xt)=, t=1,2,…(2)方差Var(Xt)=E(Xt-)2=σ2,t=1,2,…(3)協(xié)方差Cov(Xt,Xt+k)=E[(Xt-)(Xt+k-)]=rk,t=1,2,…;k≠0第一節(jié)、時間序列分析的基本概念

則該時間序列是弱平穩(wěn)的。Tuesday,16Dec.2008CUFE平穩(wěn)性和非平穩(wěn)性

通常情況下，我們所說的平穩(wěn)性指的就是弱平穩(wěn)性。一般來說，如果一個時間序列的均值和方差在任何時間保持恒定，并且兩個時期t和t+k之間的協(xié)方差（或自協(xié)方差）僅依賴于兩時期之間的距離（間隔或滯后）k，而與計算這些協(xié)方差的實際時期t無關，則該時間序列是平穩(wěn)(stationary)的。 只要這三個條件不全滿足，該時間序列就是非平穩(wěn)(nonstationary)的。事實上，大多數(shù)經(jīng)濟時間序列是非平穩(wěn)的。例如，在圖7.1中，某國的私人消費(PC)和個人可支配收入（PDI）這兩個時間序列都有一種向上的趨勢，幾乎可以斷定它們不滿足平穩(wěn)性條件（7.1），因而是非平穩(wěn)的。第一節(jié)、時間序列分析的基本概念Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE幾種有用的時間序列模型白噪聲（whitenoise）

白噪聲通常用t表示，是一個純粹的隨機過程。滿足

(1)E(t)=0,t成立； (2)Var(t)=σ2,t成立； (3)Cov(t,t+k)=0,t和k≠0； 白噪聲可用符號表示為：t～IID(0,σ2) (注：這里IID為IndependentlyIdenticallyDistributed（獨立同分布)的縮寫)。Tuesday,16Dec.2008CUFE幾種有用的時間序列模型隨機漫步（randomwalk） 隨機漫步是一個簡單的隨機過程，隨機時間序列Xt由下式生成：

Xt=Xt-1+t

（7.5）

式中，t為白噪聲。

Xt的均值：

E(Xt)=E(Xt-1+t)=E(Xt-1)+E(t)=E(Xt-1)

表明Xt的均值不隨時間而變。Tuesday,16Dec.2008CUFE幾種有用的時間序列模型隨機漫步（randomwalk）

Xt的方差： 對式（7.5）進行一系列置換有：

Xt=Xt-1+t=Xt-2+t-1+t=…=X0+∑i

式中，X0為Xt的初始值，可假定為任何常數(shù)或取初值為零。Tuesday,16Dec.2008CUFE幾種有用的時間序列模型隨機漫步（randomwalk） 則

表明Xt的方差隨時間而增大，平穩(wěn)性的第二個條件不滿足。因此，隨機漫步時間序列是非平穩(wěn)時間序列?？墒?，若將式（7.5）寫成一階差分形式：

△Xt=t

這個一階差分新變量△Xt

是平穩(wěn)的，因為它就等于白噪聲t，而后者是平穩(wěn)時間序列。 隨機漫步過程式（7.5）也是最簡單的非平穩(wěn)過程。Tuesday,16Dec.2008CUFE幾種有用的時間序列模型帶漂移項的隨機漫步（randomwalkwithdrift）

Xt=+Xt-1+t

（7.7） 式中，為一非零常數(shù)；t為白噪聲。

之所以被稱為“漂移項”，是因為式（7.7）的一階差分

△Xt=Xt–Xt-1=+

t

這表明時間序列Xt向上或向下漂移，取決于的符號是正還是負。顯然，帶漂移項的隨機漫步時間序列也是非平穩(wěn)時間序列。Tuesday,16Dec.2008CUFE4、自回歸過程隨機漫步過程（7.5）（Xt=Xt－1+εt）是最簡單的非平穩(wěn)過程。它是

Xt=φXt－1+εt（7.8）的特例，（7.8）稱為一階自回歸過程(AR(1))，該過程在－1＜φ＜1時是平穩(wěn)的，其他情況下，則為非平穩(wěn)過程。Tuesday,16Dec.2008CUFE幾種有用的時間序列模型自回歸過程（AR(q)） 若隨機時間序列Xt由下式生成

Xt=c+Xt-1+t （7.8）

式中，c，為常數(shù)，t為白噪聲過程，則式(7.8)稱為一階自回歸過程，記為AR(1)。 當∣∣<1時，AR(1)過程為平穩(wěn)過程。Tuesday,16Dec.2008CUFE幾種有用的時間序列模型自回歸過程（AR(q)）

事實上， （1）當∣∣<1時，AR(1)過程的均值為一常數(shù)： ∵所以，Tuesday,16Dec.2008CUFE幾種有用的時間序列模型自回歸過程（AR(q)） （2）當∣∣<1時，AR(1)過程的方差為一常數(shù)：

Tuesday,16Dec.2008CUFE幾種有用的時間序列模型自回歸過程（AR(q)） （3）當∣∣<1時，AR(1)過程的滯后的自協(xié)方差為一個與滯后k有關而與時間無關的常數(shù)：

Tuesday,16Dec.2008CUFE幾種有用的時間序列模型自回歸過程（AR(q)） 更一般地，式（7.8）又是： 的特例。式（7.9）稱為q階自回歸過程，記為AR(q)。運用滯后算子L，AR(q)可寫成 可以證明（略），如果特征方程 的所有根的絕對值均大于1，則此過程式（7.9）是平穩(wěn)的，否則為非平穩(wěn)過程。Tuesday,16Dec.2008CUFE單整的時間序列（integratedseries）

從式（7.6）可知，隨機漫步序列的一階差分序列△Xt=Xt–Xt-1是平穩(wěn)序列。在這種情況下，我們說原非平穩(wěn)序列Xt是“一階單整的”，表示為I(1)。與此類似，若非平穩(wěn)序列必須取二階差分(△2Xt=△Xt–△Xt-1)才變?yōu)槠椒€(wěn)序列，則原序列是“二階單整的”，表示為I(2)。一般地，若一個非平穩(wěn)序列必須取d階方差才變?yōu)槠椒€(wěn)序列，則原序列是“d階單整的”（integratedoforderd），表示為I(d)。由定義Xt～I(d)不難看出，I(0)表示的是平穩(wěn)序列，意味著該序列無須差分即是平穩(wěn)的；另一方面，如果一個序列不管差分多少次，也不能變?yōu)槠椒€(wěn)序列，則稱為“非單整的”Tuesday,16Dec.2008CUFE

第二節(jié)平穩(wěn)性的檢驗

平穩(wěn)性檢驗的方法可分為兩類：傳統(tǒng)方法和現(xiàn)代方法。前者使用自相關函數(shù)(Autocorrelationfunction)，后者使用單位根(Unitroots)。單位根方法是目前最常用的方法，因此本節(jié)中，我們僅介紹單位根方法。Tuesday,16Dec.2008CUFE一．單位根考察（7.8）式的一階自回歸過程，即Xt=φXt－1+εt（7.11）其中εt為白噪聲，此過程可寫成Xt－φXt－1=εt或（1－φL）Xt=εt（7.12）其中L為滯后運算符，其作用是取時間序列的滯后，如Xt的一期滯后可表示為L(Xt），即L(Xt）=Xt－1Tuesday,16Dec.2008CUFE由上節(jié)所知，自回歸過程Xt平穩(wěn)的條件是其特征方程的所有根的絕對值大于1。由于這里特征方程為1－ΦL=0，該方程僅有一個根L=1/φ，因而平穩(wěn)性要求－1＜φ＜1。因此，檢驗Xt的平穩(wěn)性的原假設和備擇假設為：H0：∣φ∣≥1Ha：∣φ∣＜1接受原假設H0表明Xt是非平穩(wěn)序列，而拒絕原假設（即接受備擇假設Ha）則表明Xt是平穩(wěn)序列。Tuesday,16Dec.2008CUFE單位根檢驗方法的由來

在Φ=1的情況下，即若原假設為真，則（7.11）就是隨機漫步過程（7.5），從上節(jié)得知，它是非平穩(wěn)的。因此，檢驗非平穩(wěn)性就是檢驗Φ=1，或者說，就是檢驗單位根。換句話說，單位根是表示非平穩(wěn)性的另一方式。這樣一來，就將對非平穩(wěn)性的檢驗轉化為對單位根的檢驗，這就是單位根檢驗方法的由來。Tuesday,16Dec.2008CUFE（7.11）式Xt=φXt－1+εt兩端各減去Xt-1，我們得到Xt－Xt－1=ΦXt－1－Xt－1+εt即ΔXt=δXt－1+εt（7.13）其中Δ是差分運算符，δ=Φ－1。假設Φ為正（絕大多數(shù)經(jīng)濟時間序列確實如此），前面的假設H0：∣φ∣≥1Ha：∣φ∣＜1可寫成如下等價形式：Tuesday,16Dec.2008CUFEH0：δ≥0Ha：δ＜0在δ=0的情況下，即若原假設為真，則相應的過程是非平穩(wěn)的。換句話說，非平穩(wěn)性或單位根問題，可表示為Φ=1或δ=0。從而我們可以將檢驗時間序列Xt的非平穩(wěn)性的問題簡化成在方程（7.11）的回歸中，檢驗參數(shù)Φ=1是否成立或者在方程（7.13）的回歸中，檢驗參數(shù)δ=0是否成立。Tuesday,16Dec.2008CUFE這類檢驗可用t檢驗進行，檢驗統(tǒng)計量為：

或（7.14）其中，和分別為參數(shù)估計值和的標準誤差，即這里的問題是，（7.14）式計算的t值不服從t分布，而是服從一個非標準的甚至是非對稱的分布。因而不能使用t分布表，需要用另外的分布表。Tuesday,16Dec.2008CUFE二．Dickey-Fuller檢驗（DF檢驗）迪奇（Dickey）和福勒（Fuller）以蒙特卡羅模擬為基礎，編制了（7.14）中tδ統(tǒng)計量的臨界值表，表中所列已非傳統(tǒng)的t統(tǒng)計值，他們稱之為τ統(tǒng)計值。這些臨界值如表7.1所示。后來該表由麥金農（Mackinnon）通過蒙特卡羅模擬法加以擴充。Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE有了τ表，我們就可以進行DF檢驗了，DF檢驗按以下兩步進行：第一步：對（7.13）式執(zhí)行OLS回歸，即估計△Xt=δXt-1+εt（7.15）得到常規(guī)tδ值。第二步：檢驗假設H0：δ=0Ha：δ＜0用上一步得到的tδ值與表7.1中查到的τ臨界值比較，判別準則是：若tδ>τ，則接受原假設H0，即Xt非平穩(wěn)。若tδ＜τ，則拒絕原假設H0，Xt為平穩(wěn)序列。Tuesday,16Dec.2008CUFEDickey和Fuller注意到τ臨界值依賴于回歸方程的類型。因此他們同時還編制了與另外兩種類型方程中相對應的τ統(tǒng)計表，這兩類方程是：△Xt=α+δXt-1+εt（7.16）和△Xt=α+βt+δXt-1+εt（7.17）二者的τ臨界值分別記為τμ和τT。這些臨界值亦列在表7.1中。盡管三種方程的τ臨界值有所不同，但有關時間序列平穩(wěn)性的檢驗依賴的是Xt-1的系數(shù)δ，而與α、β無關。例7.1檢驗某國私人消費時間序列的平穩(wěn)性。Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE

用表7.2中的私人消費（Ct）時間序列數(shù)據(jù)，估計與（7.16）和（7.17）相對應的方程，分別得到如下估計結果：(1)△=12330.48-0.01091Ct-1R2=0.052(t:)(5.138)(-1.339)DW=1.765(2)△=15630.83+346.4522t-0.04536Ct-1R2=0.057(t:)(1.966)(0.436)(-0.5717)DW=1.716

兩種情況下，tδ值分別為-1.339和-0.571，二者分別大于表7.1中從0.01到0.10的各種顯著性水平下的τμ值和ττ值。因此，兩種情況下都不能拒絕原假設，即私人消費時間序列有一個單位根，或換句話說，它是非平穩(wěn)序列。Tuesday,16Dec.2008CUFE

下面看一下該序列的一階差分（△Ct）的平穩(wěn)性。做類似于上面的回歸，得到如下結果：(3)△2=7972.671-0.85112△Ct-1R2=0.425(t:)(4.301)(-4.862)DW=1.967(4)△2=10524.35-114.461t-0.89738△Ct-1R2=0.454(t:)(3.908)(-1.294)(-5.073)DW=1.988其中△2Ct=△Ct-△Ct-1。Tuesday,16Dec.2008CUFE

兩種情況下，tδ值分別為-4.862和-5.073，二者分別小于表7.1中從0.01到0.10的各種顯著性水平下的τμ值和τT值。因此，都拒絕原假設，即私人消費一階差分時間序列沒有單位根，或者說該序列是平穩(wěn)序列。綜合以上結果，我們的結論是：△Ct是平穩(wěn)序列，△Ct～I(0）。而Ct是非平穩(wěn)序列，由于△Ct～I(0），因而Ct～I(1）。Tuesday,16Dec.2008CUFE第三節(jié)協(xié)整

讓我們考察弗里德曼的持久收入假設：私人總消費（Ct）是持久私人消費和暫時性私人消費（εt）之和，持久私人消費與持久個人可支配收入（Yt）成正比。則消費函數(shù)為：(7.18)其中0＜β1≤1。用表7.2中數(shù)據(jù)對此消費函數(shù)進行OLS估計，假定持久個人收入等于個人可支配收入，我們得到：=0.80969YtR2=0.9924(t:)(75.5662)DW=0.8667Tuesday,16Dec.2008CUFE

除DW值低以外，估計結果很好。t值很高表明回歸系數(shù)顯著，R2也很高，表明擬合很好?？墒?，由于方程中的兩個時間序列是趨勢時間序列或非平穩(wěn)時間序列，因此這一估計結果有可能形成誤導。結果是，OLS估計量不是一致估計量，相應的常規(guī)推斷程序不正確。這種結果看上去非常好但涉及的變量是趨勢時間序列的回歸被Granger和Newbold稱為“偽回歸”(Spuriousregression)。當回歸方程中涉及的時間序列是非平穩(wěn)時間序列時，OLS估計量不再是一致估計量，相應的常規(guī)推斷程序會產生誤導。這就是所謂的“偽回歸”問題。

Tuesday,16Dec.2008CUFE

他們指出，如果在時間序列的回歸中DW值低于R2，則應懷疑有偽回歸的可能。我們上面的結果正是如此（R2=0.9924>DW=0.8667）。

考慮到經(jīng)濟學中大多數(shù)時間序列是非平穩(wěn)序列，則我們得到偽回歸結果是常見的事。避免非平穩(wěn)性問題的常用方法是在回歸中使用時間序列的一階差分?？墒牵褂米兞繛椴罘中问降年P系式更適合描述所研究的經(jīng)濟現(xiàn)象的短期狀態(tài)或非均衡狀態(tài)，而不是其長期或均衡狀態(tài)，描述所研究經(jīng)濟現(xiàn)象的長期或均衡狀態(tài)應采用變量本身。Tuesday,16Dec.2008CUFE

由上面的討論，自然引出了一個明顯的問題：我們使用非均衡時間序列時是否必定會造成偽回歸？對此問題的回答是，如果在一個回歸中涉及的趨勢時間序列“一起漂移”，或者說“同步”，則可能沒有偽回歸的問題，因而取決于t檢驗和F檢驗的推斷也沒有問題。這種非均衡時間序列的“同步”，引出了我們下面要介紹的“協(xié)整”概念。Tuesday,16Dec.2008CUFE一．協(xié)整的概念

在方程（7.18）中，持久收入假設要求兩時間序列Ct和Yt的線性組合，即時間序列Ct－β1Yt必須是平穩(wěn)的，這是因為此序列等于εt，而暫時性私人消費（εt）按定義是平穩(wěn)時間序列?？墒牵珻t和Yt都是非平穩(wěn)時間序列，事實上，不難驗證：Ct～I(1），Yt～I(1）。也就是說，盡管Ct～I(1），Yt～I(1），但持久收入假設要求它們的線性組合εt=Ct－β1Yt是平穩(wěn)的，即εt=Ct－β1Yt～I(0）。在這種情況下，我們說時間序列Ct和Yt是協(xié)整的(Cointegrated)。下面給出協(xié)整(Cointegration)的正式定義。Tuesday,16Dec.2008CUFE協(xié)整的定義

如果兩時間序列Yt～I(d)，Xt～I(d)，并且這兩個時間序列的線性組合a1Yt+a2Xt是(d-b)階單整的，即a1Yt+a2Xt～I(d-b)（d≥b≥0），則Yt和Xt被稱為是（d,b）階協(xié)整的。記為Yt,Xt～CI(d,b)這里CI是協(xié)整的符號。構成兩變量線性組合的系數(shù)向量（a1，a2）稱為“協(xié)整向量”。Tuesday,16Dec.2008CUFE

下面給出本節(jié)中要研究的兩個特例。1、 Yt,Xt～CI(d,d）在這種情況下，d=b，使得a1Yt+a2Xt～I(0），即兩時間序列的線性組合是平穩(wěn)的，因而Yt,Xt～CI(d,d）。2、 Yt,Xt～CI(1,1)在這種情況下，d=b=1，同樣有a1Yt+a2Xt～I(0)，即兩時間序列的線性組合是平穩(wěn)的，因而Yt,Xt～CI(1,1）。Tuesday,16Dec.2008CUFE

讓我們考慮下面的關系Yt=β0+β1Xt（7.19）

其中，Yt～I(1），Xt～I(1）。當0=Yt－β0－β1Xt時，該關系處于長期均衡狀態(tài)。對長期均衡的偏離，稱為“均衡誤差”，記為εt：εt=Yt－β0－β1Xt

Tuesday,16Dec.2008CUFE

若長期均衡存在，則均衡誤差應當圍繞均衡值0波動。也就是說，均衡誤差εt應當是一個平穩(wěn)時間序列，即應有εt～I(0），E(εt）=0。按照協(xié)整的定義，由于Yt～I(1），Xt～I(1），且線性組合εt=Yt－β0－β1Xt～I(0）因此，Yt和Xt是（1，1）階協(xié)整的，即Yt，Xt～CI(1,1）協(xié)整向量是（1,－β0,－β1）

Tuesday,16Dec.2008CUFE

綜合以上結果，我們可以說，兩時間序列之間的協(xié)整是表示它們之間存在長期均衡關系的另一種方式。因此，若Yt和Xt是協(xié)整的,并且均衡誤差是平穩(wěn)的且具有零均值，我們就可以確信，方程Yt=β0+β1Xt+εt（7.20）將不會產生偽回歸結果。由上可知，如果我們想避免偽回歸問題，就應該在進行回歸之前檢驗一下所涉及的變量是否協(xié)整。Tuesday,16Dec.2008CUFE二．協(xié)整的檢驗

我們下面介紹用于檢驗兩變量之間協(xié)整的兩種簡單方法。1、Engle-Granger法步驟1.用上一節(jié)介紹的單位根方法求出兩變量的單整的階，然后分情況處理,共有三種情況：（1） 若兩變量的單整的階相同，進入下一步；（2） 若兩變量的單整的階不同，則兩變量不是協(xié)整的；（3） 若兩變量是平穩(wěn)的，則整個檢驗過程停止，因為你可以采用標準回歸技術處理。Tuesday,16Dec.2008CUFE

步驟2.若兩變量是同階單整的，如I(1），則用OLS法估計長期均衡方程（稱為協(xié)整回歸）：Yt=β0+β1Xt+εt并保存殘差et，作為均衡誤差εt的估計值。

應注意的是，雖然估計出的協(xié)整向量（1，－，－）是真實協(xié)整向量（1，－β0，－β1）的一致估計值，這些系數(shù)的標準誤差估計值則不是一致估計值。由于這一原因，標準誤差估計值通常不在協(xié)整回歸的結果中提供。Tuesday,16Dec.2008CUFE步驟3.對于兩個協(xié)整變量來說，均衡誤差必須是平穩(wěn)的。為檢驗其平穩(wěn)性，對上一步保存的均衡誤差估計值（即協(xié)整回歸的殘差et）應用單位根方法。具體作法是將Dickey—Fuller檢驗法用于時間序列et，也就是用OLS法估計形如下式的方程：△et=δet-1++νt（7.21）

有兩點須提請注意：（1）（7.21）式不包含常數(shù)項，這是因為OLS殘差et應以0為中心波動。（2）Dickey—Fullerτ統(tǒng)計量不適于此檢驗，表7.3提供了用于協(xié)整檢驗的臨界值表。Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE

由表7-3中可見，Ct和Yt都是非平穩(wěn)的，而ΔCt和ΔYt都是平穩(wěn)的。這就是說，Ct～I(1），Yt～I(1）因而我們可以進入下一步。Tuesday,16Dec.2008CUFETuesday,16Dec.2008CUFE

第四步，得出有關兩變量是否協(xié)整的結論。用tδ＝－3.150與表7－3中的臨界值相比較（m=2），采用顯著性水平α=0.05，tδ大于臨界值τ，因而接受et非平穩(wěn)的原假設，意味著兩變量不是協(xié)整的，我們不能說在私人消費和個人可支配收入之間存在著長期均衡關系。可是，如果采用顯著性水平α=0.10，則－3.150與表7－3中的臨界值大致相當，因而可以預期，若α=0.11，tδ將小于臨界值τ，我們接受et為平穩(wěn)的備擇假設，即兩變量是協(xié)整的，或者說兩變量之間存在著長期均衡關系。Tuesday,16Dec.2008CUFE2、Durbin-Watson法

此方法非常簡單，步驟如下：步驟1.估計協(xié)整回歸方程Yt=β0+β1Xt+εt

保存殘差et，計算DW統(tǒng)計值（現(xiàn)稱為“協(xié)整回歸”Durbin—Watson統(tǒng)計值（CRDW）），即CRDW=其中為殘差的算術平均值。Tuesday,16Dec.2008CUFE步驟2.根據(jù)下述原假設和備擇假設得出有關兩變量協(xié)整的結論：H0：et非平穩(wěn)，即非協(xié)整H1：et平穩(wěn)，即協(xié)整若CRDW＜d，則接受原假設H0；若CRDW＞d，則拒絕原假設H0。這里原假設成立的臨界d值為d=0，對應于顯著性水平為0.01，0.05和0.10的臨界值分別為0.511，0.386和0.322。Tuesday,16Dec.2008CUFE例7.3某國私人消費和個人可支配收入的協(xié)整

將CRDW應用于上例。第一步：由上例中（7.26）式知CRDW=1.021第二步：因為CRDW=1.021大于上面提到的臨界值,故拒絕原假設，接受備擇假設，因此得出結論：私人消費和個人可支配收入可以協(xié)整。Tuesday,16Dec.2008CUFE三．誤差修正模型（ECM）的估計

協(xié)整分析中最重要的結果可能是所謂的“格蘭杰代表定理”（Grangerrepresentationtheorem）。按照此定理，如果兩變量Yt和Xt是協(xié)整的，則它們之間存在長期均衡關系。當然，在短期內，這些變量可以是不均衡的，擾動項是均衡誤差εt。兩變量間這種短期不均衡關系的動態(tài)結構可以由誤差修正模型（errorcorrectionmodel）來描述，ECM模型是由Sargan提出的。這一聯(lián)系兩變量的短期和長期行為的誤差修正模型由下式給出：

Tuesday,16Dec.2008CUFEΔYt=滯后的（ΔYt，ΔXt）+λεt-1+vt（7.28）－1＜λ＜0其中Yt～I(1），Xt～I(1）Yt，Xt～CI(1，1）εt=Yt－β0－β1Xt～I（0）vt=白噪聲，λ為短期調整系數(shù)。（7.28）式是ECM模型的一般形式，實踐中可根據(jù)情況建立具體的ECM模型。最簡單的是一階ECM模型，形式如下：Tuesday,16Dec.2008CUFE不難看出，在（7.28）中，所有變量都是平穩(wěn)的，因為Yt～I(1)，Xt～I(1)ΔYt～I(0)，ΔXt～I(0)；Yt,Xt～CI(1,1)εt～I(0))因此，有人或許會說，該式可用OLS法估計。但事實上不行，因為均衡誤差εt不是可觀測變量。因而在估計該式之前，要先得到這一誤差的值。Tuesday,16Dec.2008CUFEEngle和Granger建議采用下述兩步方法估計方程(7.28):第一步：估計協(xié)整回歸方程Yt=β0+β1Xt+εt得到協(xié)整向量的一致估計值（1，－，－），用它得出均衡誤差εt的估計值et=Yt－－Xt第二步：用OLS法估計下面的方程ΔYt=滯后的（ΔYt,ΔXt）+λet-1+vt（7.29）Tuesday,16Dec.2008CUFE例7.4估計某國私人消費和個人可支配收入之間的誤差修正模型。第一步：由例7.2中7.26式協(xié)整回歸的結果：

=11907.23+0.779585Yt(7.30)(t:)(3.123)(75.566)R2=0.994DW=1.021我們得到殘差et。Tuesday,16Dec.2008CUFE

第二步：估計誤差修正模型，結果如下：=5951.557+0.28432ΔYt－

0.19996et-1(7.31)(t:)(7.822)(6.538)(－2.486)R2=0.572DW=1.941

（7.31）中的結果表明個人可支配收入Yt的短期變動對私人消費存在正向影響。此外，由于短期調整系數(shù)是顯著的，表明每年實際發(fā)生的私人消費與其長期均衡值的偏差中的20%（0.19996）被修正。Tuesday,16Dec.2008CUFE以韓德瑞(D.F.Hendry)為代表的動態(tài)建模方法（也稱為倫敦經(jīng)濟學院(LSE)方法）指出自回歸分布滯后模型（ADL）是最通用的線性模型形式。當變量為非平穩(wěn)時間序列時ADL模型尤為適用，因為只要模型包括了足夠多的滯后項，就一定能擺脫單位根的困擾。當變量間存在協(xié)整關系時，ECM模型便成為ADL模型的一個特例。以一階ADL模型（7.31)為例，Hendry對模型變量進行了等價變換，得到（7.32）所示的ECM模型。Tuesday,16Dec.2008CUFE即Tuesday,16Dec.2008CUFE式（7.33）將依次分解為三個具有不同含義的部分：短期擾動、非均衡項和白噪聲。稱為負反饋系數(shù)。當Yt～I(1)，Xt～I(1）時，式（7.33）方程左邊ΔYt～I(0），方程右邊ΔXt～I(0），εt～I(0）。如果非均衡項～I(0)，則Yt與Xt存在（1，1）階協(xié)整關系。Tuesday,16Dec.2008CUFEHendry論證了

對應經(jīng)濟理論模型中的長期均衡解，它自身不含任何變動的趨勢。當外生變量的波動引起

時，該相對于長期均衡解的非均衡項在負反饋系數(shù)的作用下引起的延遲波動，促使重新回到其長期均衡解，因此稱式（7.33）為“均衡修正模型”或“誤差修正模型”。Tuesday,16Dec.2008CUFE實際建模中，Hendry的動態(tài)建模方法主張從“一般到特殊”的原則，從包含被解釋變量的最廣泛影響因素的ADL模型開始，逐級約化，每一步約化都需要滿足各項檢驗標準，力求在數(shù)據(jù)信息損失最小的情況下得到包含被解釋變量長期均衡關系的最簡潔的ECM模型，有效避免了“偽回歸”問題。這一動態(tài)建模方法已成為當今主流經(jīng)濟計量建模方法之一。Tuesday,16Dec.2008CUFE例7.5運用動態(tài)建模方法估計某國私人消費和個人可支配收入之間的誤差修正模型。第一步：確定私人消費和個人可支配收入的單整階數(shù)，由例7.1知:Ct～I(1）和Yt～I(1）。第二步：建立ADL模型。取ADL模型滯后階數(shù)為2時，運用OLS法，方程估計通過自相關、異方差、正態(tài)分布等各項檢驗。表明可以從滯后階數(shù)為2的ADL模型開始對方程進行約化。

Tuesday,16Dec.2008CUFE第三步：逐級約化ADL模型為最簡化模型，原則是在通過各項檢驗標準的條件下，運用OLS法逐步略去方程中t檢驗值最不顯著的變量。具體將式（7.33）中的Ct-2和Yt-2分別依次略去，最終得到各變量均顯著的最簡化模型（7.34）?？梢钥闯?，擬合方程的標準差由式（7.33）的3387.68下降為式（7.34）的3355.41，方程得到了優(yōu)化。Tuesday,16Dec.2008CUFE第四步：將最簡化模型應變量改寫為一階差分形式，并設定ECM項。 依據(jù)式（7.32）的推導，令ECMt=Ct-0.767*Yt，其中-0.767=0.1538/(-0.2006)。由于式（7.36）只是對式（7.35）進行了變量的等價變換，因此方程的標準差沒有發(fā)生變化，均是3355.41。可以驗證ECMt～I(0)，即Ct與Yt存在協(xié)整關系。Tuesday,16Dec.2008CUFE第五步：運用OLS法得到包含ECM項的誤差修正模型。

（7.37）同（7.36）相比，由于少了一個變量，方程的標準差得以減少，方程更為簡潔和優(yōu)化。此時，可將常數(shù)項寫入均衡項，有：式（7.38）表明Ct和Yt的長期均衡關系式是Tuesday,16Dec.2008CUFE小結

本章重點介紹了時間序列分析中用到的一些基本概念和方法。一.平穩(wěn)性和非平穩(wěn)性一般來說，如果一個時間序列的均值和方差在任何時間保持恒定，并且兩個時期t和t+k之間的協(xié)方差僅依賴于兩時期之間的距離（間隔或滯后）k，而與計算這些協(xié)方差的實際時期t無關，則該時間序列是平穩(wěn)的。只要這三個條件不全滿足，則該時間序列是非平穩(wěn)的。事實上，大多數(shù)經(jīng)濟時間序列是非平穩(wěn)的。若一個非平穩(wěn)序列Xt必須取d階差分才變?yōu)槠椒€(wěn)序列，則Xt是“d階單整的”，表示為Xt~I(d）。Tuesday,16Dec.2008CUFE二.平穩(wěn)性檢驗平穩(wěn)性檢驗的方法有自相關函數(shù)法和單位根方法兩類，本章中介紹了單位根方法。單位根是表示非平穩(wěn)性的另一方式，單位根方法將對非平穩(wěn)性的檢驗轉化為對單位根的檢驗，本章介紹的DF檢驗法簡單實用，是目前最常用的單位根方法。DF檢驗按以下兩步進行：第一步：用OLS法估計△Xt=δXt-1+εt，得到常規(guī)tδ值。第二步：檢驗假設H0：δ=0Ha：δ＜0若接受原假設H0，則Xt非平穩(wěn)。Tuesday,16Dec.2008CUFE三．協(xié)整分析協(xié)整分析是用于非平穩(wěn)變量組成的關系式中長期均衡參數(shù)估計的技術。協(xié)整分析涉及的是一組變量，它們各自都是不平穩(wěn)的，但它們同步。這種變量的同步使得這些變量之間存在長期的線性關系，因而使人們能夠研究經(jīng)濟變量間的長期均衡關系。如果這種長期線性關系不成立，則對應的變量被稱為是“非協(xié)整的”。協(xié)整的定義是：如果兩時間序列Yt～I(d），Xt～I(d），并且這兩個時間序列的線性組合a1Yt+a2Xt是(d-b)階單整的，即a1Yt+a2Xt～I(d-b）（d≥b≥0），則Yt和Xt被稱為是（d，b）階協(xié)整的。記為Yt，Xt～CI(d，b）。

Tuesday,16Dec.2008CUFE

當回歸方程中涉及的時間序列是非平穩(wěn)時間序列時，OLS估計量不再是一致估計量，相應的常規(guī)推斷程序會產生誤導。這就是所謂的“偽回歸”問題。可是，如果Yt和Xt是協(xié)整的,并且均衡誤差是平穩(wěn)的且具有零均值，我們就可以確信，方程Yt=β0+β1Xt+εt將不會產生偽回歸結果。

因此，要避免偽回歸問題，就應該在進行回歸之前檢驗一下所涉及的變量是否協(xié)整。本章介紹了兩種檢驗協(xié)整的方法：Engle-Granger法和Durbin-Watson法。協(xié)整分析亦可用于短期或非均衡參數(shù)的估計，按照戈蘭杰代表定理，如果兩變量Yt和Xt是協(xié)整的，則它們之間存在長期均衡關系。當然，在短期內，這些變量可以是不均衡的，擾動項是均衡誤差εt。兩變量間這種短期不均衡關系的動態(tài)結構可以由誤差修正模型來描述。Tuesday,16Dec.2008CUFE復習思考題1．請說出平穩(wěn)時間序列和非平穩(wěn)時間序列的區(qū)別，并解釋為什么在實證分析中確定經(jīng)濟時間序列的性質是十分必要的。2．什么是偽回歸？在回歸中使用非均衡時間序列時是否必定會造成偽回歸？3．有人說，協(xié)整分析實質上是一種缺乏理論基礎的“歸納(inductive)”方法。請對上述說法談談你的看法。Tuesday,16Dec.2008CUFE謝謝!

Q&ATuesday,16Dec.2008CUFE安全閥基本知識如果壓力容器(設備/管線等)壓力超過設計壓力…1.盡可能避免超壓現(xiàn)象堵塞(BLOCKED)火災(FIRE)熱泄放(THERMALRELIEF)如何避免事故的發(fā)生?2.使用安全泄壓設施爆破片安全閥如何避免事故的發(fā)生?01安全閥的作用就是過壓保護!一切有過壓可能的設施都需要安全閥的保護!這里的壓力可以在200KG以上,也可以在1KG以下!設定壓力(setpressure)安全閥起跳壓力背壓(backpressure)安全閥出口壓力超壓(overpressure)表示安全閥開啟后至全開期間入口積聚的壓力.幾個壓力概念彈簧式先導式重力板式先導+重力板典型應用電站鍋爐典型應用長輸管線典型應用罐區(qū)安全閥的主要類型02不同類型安全閥的優(yōu)缺點結構簡單,可靠性高適用范圍廣價格經(jīng)濟對介質不過分挑剔彈簧式安全閥的優(yōu)點預漏--由于閥座密封力隨介質壓力的升高而降低,所以會有預漏現(xiàn)象--在未達到安全閥設定點前,就有少量介質泄出.100%SEATINGFORCE75502505075100%SETPRESSURE彈簧式安全閥的缺點過大的入口壓力降會造成閥門的頻跳,縮短閥門使用壽命.ChatterDiscGuideDiscHolderNozzle彈簧式安全閥的缺點彈簧式安全閥的缺點=10090807060500102030405010%OVERPRESSURE%BUILT-UPBACKPRESSURE%RATEDCAPACITY普通產品平衡背壓能力差.在普通產品基礎上加裝波紋管,使其平衡背壓的能力有所增強.能夠使閥芯內件與高溫/腐蝕性介質相隔離.平衡波紋管彈簧式安全閥的優(yōu)點優(yōu)異的閥座密封性能,閥座密封力隨介質操作壓力的升高而升高,可使系統(tǒng)在較高運行壓力下高效能地工作.ResilientSeatP1P1P2先導式安全閥的優(yōu)點平衡背壓能力優(yōu)秀有突開型/調節(jié)型兩種動作特性可遠傳取壓先導式安全閥的優(yōu)點對介質比較挑剃,不適用于較臟/較粘稠的介質,此類介質會堵塞引壓管及導閥內腔.成本較高.先導式安全閥的缺點重力板式產品的優(yōu)點目前低壓儲罐呼吸閥/緊急泄放閥的主力產品.結構簡單.價格經(jīng)濟.重力板式產品的缺點不可現(xiàn)場調節(jié)設定值.閥座密封性差,并有較嚴重的預漏.受背壓影響大.需要很高的超壓以達到全開.不適用于深冷/粘稠工況.幾個常用規(guī)范ASMEsectionI-動力鍋爐(FiredVessel)ASMEsectionVIII-非受火容器(UnfiredVessel)API2000-低壓安全閥設計(LowpressurePRV)API520-火災工況計算與選型(FireSizing)API526-閥門尺寸(ValveDimension)API527-閥座密封(SeatTightness)介質狀態(tài)(氣/液/氣液雙相).氣態(tài)介質的分子量&Cp/Cv值.液態(tài)介質的比重/黏度.安全閥泄放量要求.設定壓力.背壓.泄放溫度安全閥不以連接尺寸作為選型報價依據(jù)!如何提供高質量的詢價?彈簧安全閥的結構彈簧安全閥起跳曲線彈簧安全閥結構彈簧安全閥結構導壓管活塞密封活塞導向不平衡移動副(活塞)導管導閥彈性閥座P1P1P2先導式安全閥結構先導式安全閥的工作原理頻跳安全閥的頻跳是一種閥門高頻反復開啟關閉的現(xiàn)象。安全閥頻跳時，一般來說密封面只打開其全啟高度的幾分只一或十幾分之一，然后迅速回座并再次起跳。頻跳時，閥瓣和噴嘴的密封面不斷高頻撞擊會造成密封面的嚴重損傷。如果頻跳現(xiàn)象進一步加劇還有可能造成閥體內部其他部分甚至系統(tǒng)的損傷。安全閥工作不正常的因素頻跳后果1、導向平面由于反復高頻磨擦造成表面劃傷或局部材料疲勞實效。2、密封面由于高頻碰撞造成損傷。3、由于高頻振顫造成彈簧實效。4、由頻跳所帶來的閥門及管道振顫可能會破壞焊接材料和系統(tǒng)上其他設備。5、由于安全閥在頻跳時無法達到需要的排放量，系統(tǒng)壓力有可能繼續(xù)升壓并超過最大允許工作壓力。安全閥工作不正常的因素A、系統(tǒng)壓力在通過閥門與系統(tǒng)之間的連接管時壓力下降超過3%。當閥門處于關閉狀態(tài)時，閥門入口處的壓力是相對穩(wěn)定的。閥門入口壓力與系統(tǒng)壓力相同。當系統(tǒng)壓力達到安全閥的起跳壓力時，閥門迅速打開并開始泄壓。但是由于閥門與系統(tǒng)之間的連接管設計不當，造成連接管內局部壓力下降過快超過3%，是閥門入口處壓力迅速下降到回座壓力而導致閥門關閉。因此安全閥開啟后沒有達到完全排放，系統(tǒng)壓力仍然很高，所以閥門會再次起跳并重復上述過程，既發(fā)生頻跳。導致頻跳的原因導致接管壓降高于3%的原因1、閥門與系統(tǒng)間的連接管內徑小于閥門入口管內徑。2、存在嚴重的渦流現(xiàn)象。3、連接管過長而且沒有作相應的補償（使用內徑較大的管道）。4、連接管過于復雜（拐彎過多甚至在該管上開口用作它途。在一般情況下安全閥入口處不允許安裝其他閥門。）導致頻跳的原因B、閥門的調節(jié)環(huán)位置設置不當。安全閥擁有噴嘴環(huán)和導向環(huán)。這兩個環(huán)的位置直接影響安全閥的起跳和回座過程。如果噴嘴環(huán)的位置過低或導向環(huán)的位置過高，則閥門起跳后介質的作用力無法在閥瓣座和調節(jié)環(huán)所構成的空間內產生足夠的托舉力使閥門保持排放狀態(tài)，從而導致閥門迅速回座。但是系統(tǒng)壓力仍然保持較高水平，因此回座后閥門會很快再次起跳。導致頻跳的原因C、安全閥的額定排量遠遠大于所需排量。

由于所選的安全閥的喉徑面積遠遠大于所需，安全閥排放時過大的排量導致壓力容器內局部壓力下降過快，而系統(tǒng)本身的超壓狀態(tài)沒有得到緩解，使安全閥不得不再次起跳頻跳的原因閥門拒跳：當系統(tǒng)壓力達到安全閥的起跳壓力時，閥門不起跳的現(xiàn)象。安全閥工作不正常的因素1、閥門整定壓力過高。2、閥門內落入大量雜質從而使閥辦座和導套間卡死或摩擦力過大。3、彈簧之間夾入雜物使彈簧無法被正常壓縮。4、閥門安裝不當，使閥門垂直度超過極限范圍（正負兩度）從而使閥桿組件在起跳過程中受阻。5、排氣管道沒有被可靠支撐或由于管道受熱膨脹移位從而對閥體產生扭轉力，導致閥體內機構發(fā)生偏心而卡死。安全閥拒跳的原因閥門不回座或回座比過大：安全閥正常起跳后長時間無法回座，閥門保持排放狀態(tài)的現(xiàn)象。安全閥工作不正常的因素1、閥門上下調整環(huán)的位置設置不當。2、排氣管道設計不當造成排氣不暢，由于排氣管道過小、拐彎過多或被堵塞，使排放的蒸汽無法迅速排出而在排氣管和閥體內積累，這時背壓會作用在閥門內部機構上并產生抑制閥門關閉的趨勢。3、閥門內落入大量雜質從而使閥瓣座和導套之間卡死后摩擦力過大。安全閥不回座或回座比過大的因素：4、彈簧之間夾入雜物從而使彈簧被正常壓縮后無法恢復。5、由于對閥門排放時的排放反力計算不足，從而在排放時閥體受力扭曲損壞內部零件導致卡死。6、閥桿螺母（位于閥桿頂端）的定位銷脫落。在閥門排放時由于振動使該螺母下滑使閥桿組件回落受阻。安全閥不回座或回座比過大的因素：7、由于彈簧壓緊螺栓的鎖緊螺母松脫，在閥門排放時由于振動時彈簧壓緊螺栓松動上滑導致閥門的設定起跳值不斷減小。

8、閥門安裝不當，使閥門垂直度超過極限范圍（正負兩度）從而使閥桿組件在回落過程中受阻。

9、閥門的密封面中有雜質，造成閥門無法正常關閉。

10、鎖緊螺母沒有鎖緊，由于管道震動下環(huán)向上運動，上平面高于密封面，閥門回座時無法密封安全閥不回座或回座比過大的因素：謝謝觀看癌基因與抑癌基因oncogene&tumorsuppressorgene24135基因突變概述.癌基因和抗癌基因的概念.癌基因的分類.癌基因產物的作用.癌基因激活的機理主要內容疾?。?/p>

——是人體某一層面或各層面形態(tài)和功能（包括其物質基礎——代謝）的異常，歸根結底是某些特定蛋白質結構或功能的變異，而這些蛋白質又是細胞核中相應基因借助細胞受體和細胞中信號轉導分子接收信號后作出應答（表達）的產物。TranscriptionTranslationReplicationDNARNAProtein中心法規(guī)Whatisgene?基因：

—是遺傳信息的載體

—是一段特定的DNA序列（片段）

—是編碼RNA或蛋白質的一段DNA片段

—是由編碼序列和調控序列組成的一段DNA片段基因主宰生物體的命運：微效基因的變異——生物體對生存環(huán)境的敏感度變化關鍵關鍵基因的變異——生物體疾病——死亡所以才有：“人類所有疾病均可視為基因病”之說注：如果外傷如燒傷、骨折等也算疾病的話，外傷應該無法歸入基因病的行列。Genopathy問：兩個不相干的人，如果他們患得同一疾病，致病基因是否相同？再問：同卵雙生的孿生兄弟，他們患病的機會是否一樣，命運是否相同？┯┯┯┯

ＡＴＧＣ

ＴＡＣＧ

┷┷┷┷┯┯┯┯┯

ＡＴＡＧＣ

ＴＡＴＣＧ

┷┷┷┷┷┯┯┯┯

ＡＴＧＣ

ＴＡＣＧ

┷┷┷┷┯┯┯

ＡＧＣ

ＴＣＧ

┷┷┷┯┯┯┯

ＡＣＧＣ

ＴＧＣＧ

┷┷┷┷┯┯┯┯

ＡＴＧＣ

ＴＡＣＧ

┷┷┷┷增添缺失替換DNA分子(復制)中發(fā)生堿基對的______、______

和

，而引起的

的改變。替換增添缺失基因結構基因變異的概念：英語句子中的一個字母的改變，可能導致句子的意思發(fā)生怎樣的變化？可能導致句子的意思不變、變化不大或完全改變THECATSATONTHEMATTHECATSITONTHEMATTHEHATSATONTHEMATTHECATONTHEMAT同理：替換、增添、缺失堿基對，可能會使性狀不變、變化不大或完全改變?；虻慕Y構改變,一定會引起性狀的改變??原句：1.基因多態(tài)性與致病突變基因變異與疾病的關系2.單基因病、多基因病3.疾病易感基因

基因多態(tài)性polymorphism是指DNA序列在群體中的變異性（差異性）在人群中的發(fā)生概率>1%（SNP&CNP)<1%的變異概率叫做突變基因多態(tài)性特定的基因多態(tài)性與疾病相關時，可用致病突變加以描述SNP:散在單個堿基的不同，單個堿基的缺失、插入和置換。

CNP:DNA片段拷貝數(shù)變異，包括缺失、插入和重復等。同義突變、錯義突變、無義突變、移碼突變

致病突變生殖細胞基因突變將突變的遺傳信息傳給下一代(代代相傳),即遺傳性疾病。體細胞基因突變局部形成突變細胞群（腫瘤）。受精卵分裂基因突變的原因物理因素化學因素生物因素基因突變的原因（誘發(fā)因素）紫外線、輻射等堿基類似物5BU/疊氮胸苷等病毒和某些細菌等自發(fā)突變DNA復制過程中堿基配對出現(xiàn)誤差。UV使相鄰的胸腺嘧啶產生胸腺嘧啶二聚體,DNA復制時二聚體對應鏈空缺，堿基隨機添補發(fā)生突變。胸腺嘧啶二聚體胸腺嘧啶胸腺嘧啶紫外線誘變物理誘變(physicalinduction)

5溴尿嘧啶(5BU)與T類似，多為酮式構型。間期細胞用酮式5BU處理，5BU能插入DNA取代T與A配對；插入DNA后異構成烯醇式5BU與G配對。兩次DNA復制后,使A/T轉換成G/C，發(fā)生堿基轉換,產生基因突變?；瘜W誘變(chemicalinduction)堿基類似物(baseanalogues)誘變AT5-BUA5-BUAAT5-BU5-BU(烯醇式)

(酮式)GGC1.生物變異的根本來源，為生物進化提供了最初的原始材料,能使生物的性狀出現(xiàn)差別，以適應不同的外界環(huán)境，是生物進化的重要因素之一。2.致病突變是導致人類遺傳病的病變基礎?；蛲蛔兊囊饬x概述：腫瘤細胞惡性增殖特性（一）腫瘤細胞失去了生長調節(jié)的反饋抑制正常細胞受損,一旦恢復原狀，細胞就會停止增殖，但是腫瘤細胞不受這一反饋機制抑制。（二）腫瘤細胞失去了細胞分裂的接觸抑制。正常細胞體外培養(yǎng)，相鄰細胞相接觸，長在一起，細胞就會停止增殖，而腫瘤細胞生長滿培養(yǎng)皿后，細胞可以重疊起生長。（三）腫瘤細胞表現(xiàn)出比正常細胞更低的營養(yǎng)要求。（四）腫瘤細胞生長有一種自分泌作用，自己分泌生長需要的生長因子和調控信號,促進自身的惡性增殖。Whatisoncogene?癌基因——是基因組內正常存在的基因，其編碼產物通常作為正調控信號，促進細胞的增殖和生長。癌基因的突變或表達異常是細胞惡性轉化（癌變）的重要原因?！彩悄芫幋a生長因子、生長因子受體、細胞內信號轉導分子以及與生長有關的轉錄調節(jié)因子等的基因。如何發(fā)現(xiàn)癌基因的呢?11910年，洛克菲勒研究院一個年輕的研究員Rous發(fā)現(xiàn)，雞肉瘤細胞裂解物在通過除菌濾器以后，注射到正常雞體內，可以引起肉瘤，首次提出雞肉瘤可能是由病毒引起的。0.2m孔徑細菌過不去但病毒可以通過從病毒癌基因到細胞原癌基因的研究歷程：Roussarcomavirus,RSVthefirstcancer-causingretrovirus1958年，Stewart和Eddy分離出一種病毒，注射到小鼠體內可以引起肝臟、腎臟、乳腺、胸腺、腎上腺等多種組織器官的腫瘤，因而把這種病毒稱為多瘤病毒。50年代末、60年代初，癌病毒研究成了一個極具想像力的研究領域，主流科學家開始進入癌病毒研究領域polyomavirus這期間，Temin發(fā)現(xiàn)RSV有不同亞型，且引起細胞惡變程度不同，推測RNA病毒將其遺傳信息傳遞給了正常細胞的DNA。這與Crick提出的中心法則是相違背的讓事實屈從于理論還是堅持基于實驗的結果？VSTemin發(fā)現(xiàn)逆轉錄酶，1975年獲諾貝爾獎TeminCrickTemin的實驗設計：實驗設計簡單而巧妙：將合成DNA所需的“原料”，即A、T、C、G四種脫氧核苷酸，與破壞了外殼的RSV一起在體外40℃的條件下溫育一段時間結果在試管里獲得了一種新合成的大分子，它不能被RNA酶破壞，但卻可以被DNA酶所分解，證明這種新合成的大分子是DNA用RNA酶預先破壞RSV的RNA，再重復上述的試驗，則不能獲得這種大分子，說明這個DNA大分子是以RSV的RNA為模板合成的1969年，一個日本學者里子水谷來到Temin的實驗室，這是一個非常擅長實驗的年輕科學家。按Temin的設想，他們開始尋找RSV中存在“逆轉錄酶”的證據(jù)DNA

RNA

ProteinTranscriptionTranslationReplicationReplicationRe-Transcription修正中心法規(guī)據(jù)說，1975年Temin因發(fā)現(xiàn)逆轉錄酶而獲諾貝爾獎時，Bishop懊惱不已，因為早在1969年他就認為Temin的RNADNA的“前病毒理論”有可能是正確的，并且也進行了一些實驗，但不久由于資深同事的規(guī)勸而放棄了這方面的努力。但Bishop馬上意識到：逆轉錄酶的發(fā)現(xiàn)為逆轉錄病毒致癌的研究提供了一條新途徑。一個RSV，三個諾貝爾獎?。?！1989年，UCSF的Bishop和Varmus根據(jù)逆轉錄病毒的復制機制發(fā)現(xiàn)了細胞癌基因，并獲諾貝爾獎。Cellularoncogene啟示：Perutz說:“科學創(chuàng)造如同藝術創(chuàng)造一樣，都不可能通過精心組織而產生”Bishop說:“許多人引以為豪的是一天工作16小時，工作安排要以分秒計……可是工作狂是思考的大敵，而思考則是科學發(fā)現(xiàn)的關鍵”Perutzsharedthe1962NobelPrizeforChemistrywithJohnKendrew,fortheirstudiesofthestructuresofhemoglobinandglobularproteins科學的本質和藝術一樣，都需要直覺和想像力請給自己一些思考的時間吧！癌基因的分類目前對癌基因尚無統(tǒng)一分類的方法，一般有下面3種分類方法：一、按結構特點分（6）類（一）src癌基因家族（二）ras癌基因家族（三）sis癌基因家族（四）myc癌基因家族（五）myb癌基因家族（六）其它：如fos，erb－A等。三、按細胞增殖調控蛋白特性分成（4）類（一）生長因子（二）受體類（三）細胞內信號轉換器（四）細胞核因子二、按產物功能分（8）類（一）生長因子類（二）酪氨酸蛋白激酶（三）膜相關G蛋白（四）受體，無蛋白激酶活性（五）胞質絲氨酸-蘇氨酸蛋白激酶（六）胞質調控因子（七）核反式調控因子（八）其它:db1、bcl－2癌基因產物參與信號轉導

胞外信號作用于膜表面受體→胞內信使物質的生成便意味著胞外信號跨膜傳遞的完成。胞內信使至少有：cAMP（環(huán)磷酸腺苷）IP3（三磷酸肌醇）PG（前列腺素）cGMP（環(huán)磷酸鳥苷）DG（二?；视停〤a2＋（鈣離子）CAM（鈣調素）主要機制是通過蛋白激酶活化引起底物蛋白一連串磷酸化的生物信號反應過程,跨膜機制涉及到：（一）質膜上cAMP信使系統(tǒng)（二）質膜上肌醇脂質系統(tǒng)這兩個系統(tǒng)都是由受體鳥苷酸調節(jié)蛋白（GTP-regulatoryprotein，G蛋白）和