文档介绍：该【时间序列数据OLS回归的其他问题 】是由【相惜】上传分享，文档一共【16】页，该文档可以免费在线阅读，需要了解更多关于【时间序列数据OLS回归的其他问题 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第十一章时间序列数据OLS回归的其他问题整理ppt平稳和非平稳协方差平稳〔弱平稳〕期望为常数:E(xi)=?方差存在, 且为常数,:Var(xi)=?2<?协方差只取决于时间间隔h:Cov(xi,xi+h)=?h严格平稳对于任意时间指标集〔1?t1<t2<?<tm〕和任意整数h,联合分布函数满足: f(xt1,xt2,…,xtm)=f(xt1+h,xt2+h,…,xtm+h)平稳和弱相关时间序列整理ppt假设二阶距存在,那么严格平稳过程一定协方差平稳计量分析中主要关注弱平稳,平稳性条件不满足那么称为非平稳过程。:随机过程:yt=?0+?1t+et?1?0是协方差平稳的吗?如何将转化为平稳过程?整理ppt弱相关时间序列平稳性:联合分布不变弱相关:限定h变大时xt和xt+h的相依关系。对于平稳序列,h趋于无穷时,xt和xt+h“近乎独立〞,那么称其为弱相关的〔weaklydependent〕非平稳序列也可能是弱相关的对于弱平稳序列,假设随着h??,Cov(xt,xt+h)?0,那么称其为渐近无关的〔asymptoticallyuncorrelated〕为什么时间序列分析中要关注弱相关?为分析统计量的渐近性质效劳!时间序列不可能随机抽样,弱相关假定类似于截面数据中的随机抽样假定,保证大数定理和中心极限定理的适用。整理ppt几个例子:et~(0,?2)〔1〕yt=et〔2〕yt=et+?1et-1MA(1)过程〔3〕yt=?yt-1+etAR(1)过程 考虑两种情况:|?|<1|?|=1〔4〕yt=?0+?1t+et趋势平稳差分平稳:yt=?1+yt-1+et整理pptOLS的渐近性质假定:’序列平稳和弱相关,模型关于参数线性 ’’同期外生:E(ut|Xt)=’、’’成立: OLS估计量具有一致性!有限分布滞后模型满足假定:yt=?0+?0zt+?1zt-1+?2zt-2+ut静态模型满足假定:yt=?0+?1zt1+?2zt2+ut假设存在反响呢,即:zt1=?0+?1yt-1+vt整理ppt滞后被解释变量作为解释变量的情形,如AR(1)模型:yt=?yt-1+et假设|?|<1,序列平稳且弱相关,’、’’都成立?的OLS估计量是一致的!OLS估计量是无偏的吗?严格外生的假定E(ut|X)=0是否成立?注意:X=(y0,y1,…,yn-1)整理ppt假定:’同期同方差,Var(ui|xt)=?2 ’’~’成立:OLS估计量渐近服从正态分布有效市场假说整理ppt附加预期的菲利普斯曲线:inft-inft*=?1(unemt-?0)+et假设预期是静态的,即inft*=inft-1?inft=?1(unemt-?0)+et自然失业率是多少?整理ppt高度持续性〔强相关 〕时间序列分析考虑简单的AR(1)模型:yt=?yt-1+et递归迭代:yt=(?yt-2+et-1)+et=?2(?yt-3+et-2)+?et-1+et=et+?et-1+?2et-2+…+?het-h+…两种情况:|?|<1,yt是弱相关的,随着h??,et-h对yt的影响收敛于0?=1,yt是高度持续的,et-h对yt的边际影响为1,与h无关?=-1的情形类似,但经济序列分析中很少考虑这种情况整理ppt