1 第十章 时间序列分析基础 本章的思路：时间序列的非平稳性会对经典计量回归的可靠性构成威胁，如何检验时间序列数据是不是平稳的？如果不平稳该怎么办？ 第一节 时间序列及其平稳性 1．时间序列数据是由不同随机变量生成的，是一个随机过程的实现。计量经济回归分析的参数估计及相关的推断检验，都是建立在对随机变量总体均值、方差的推断基础上的。 何谓时间序列数据是平稳的。包括严平稳性和弱平稳性。 我们一般研究的是弱平稳性。 若一个随机过程的均值和方差在时间过程上保持是常数，并且在任何两时间之间的协方差值仅仅依赖于该两时期间的距离，而不依赖于计算这个协方差的实际时间，即被称为弱平稳过程。 用数学语言来表达就是： 22( ),( )(),[()()]tttktt kE YVar YE YurE YuYu 总结起来，一个非平稳时间序列，要么均值随时间而变化，要么方差随时间而变化，要么两者都变化。 为什么研究平稳的时间序列重要？因为若一个时间序列是非平稳的，则我们只能分析其在研究期间的行为，而无法推广到其他期间，就没有太大的价值了。无法根据过去，推断未来。 练习： （1）一个最简单的随机时间序列是一具有零均值同方差的独立分布序列：Xt=t，t~ N(0,2) 被称为白噪声过程。（WHITE NOISE）另一个简单的随机时间列序被称为随机游走（random walk），该序列由如下随机过程生成：Xt=Xt-1+t 这里， t 是一个白噪声。 2．把非平稳的时间序列当作平稳的时间序列来分析，会破坏古典线性回归模型的基本假定，得到的T、F、R-平方统计量都是无效的，对计量回归分析的有效性有很大的影响。 伪回归使错误的计量经济分析看起来很理想，有很大的欺骗性。所以在处理时间序列数据时一定要注意。 何为伪回归：由于时间序列的不平稳，导致对这两个时间序列做回归，有可能得出 R-平方显著地不为零的结论，即两个时间序列有依存关系，但实际上两者没有什么关系。R-平方应该为零。如中国劳动力时间序列和美国的GDP 时间序列。 第二节 时间序列平稳性检验 一、图形判断 是否围绕一个水平的中心趋势，并以相同的发散程度分布。 2 一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程。 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降） 二、单位根检验 1． 什么是单位根过程 111tttttttttYYYYYtY ...
