第七章时间序列分析基础.pptxVIP

21世纪经济学系列教材普通高等教育“十五”、“十一五”国家级规划教材计量经济学（第四版）赵国庆中国人民大学出版社时间序列分析基础计量经济学 第七章 重点问题 AR模型 MA 模型 ARMA模型主要内容第一节 时间序列的基本概念 第二节 自回归模型 第三节 滑动平均模型第四节 自回归滑动平均模型第五节 时间序列模型预测第六节 时间序列的应用第一节 时间序列的基本概念一、定义 第一节 时间序列的基本概念二、自协方差函数和自相关函数第一节 时间序列的基本概念三、自协方差函数的性质第一节 时间序列的基本概念四、滞后算子多项式第二节 自回归模型一、AR模型的定义第二节 自回归模型二、AR(p)模型的识别1.AR(p)模型的平稳性条件第二节 自回归模型第二节 自回归模型例：AR(2)模型的平稳域第二节 自回归模型φ2φ2 -φ11φ1 +φ21φ1︱φ2︱1-1AR(2) 模型的平稳域第二节 自回归模型2.AR(p)序列的自相关函数第二节 自回归模型第二节 自回归模型第二节 自回归模型AR(1)φ1=-0.8AR(1)φ1=0.8AR(1)序列自相关函数第二节 自回归模型AR(2)φ1=+0.6φ2=+0.2AR(2)φ1=-0.6φ2=+0.2AR(2)序列自相关函数第二节 自回归模型AR(2)φ1=-0.8φ2=-0.6AR(2)φ1=+0.75φ2=-0.5AR(2)序列自相关函数第二节 自回归模型第二节 自回归模型第二节 自回归模型第二节 自回归模型第二节 自回归模型第二节 自回归模型第二节 自回归模型第二节 自回归模型三、AR(p)模型的估计第二节 自回归模型四、 AR(p)模型的检验 1.模型的平稳性 首先我们要分析所建立模型的平稳性，也就是要对多项式 φ(L)=0的根进行检验，如果φ(L)=0的根均在单位圆外，即这些根的模皆大于1，那么，这个模型就适合平稳性条件。若φ(L)=0的某个根或其一对根的模接近1，则为了得到平稳性，必须进行差分。 第二节 自回归模型第二节 自回归模型 2.残差分析检验 即检验残差序列еt是否为白噪声第三节 滑动平均模型一、MA模型的定义第三节 滑动平均模型二、MA(q)模型的识别 1.滑动平均序列Yt的自协方差函数和自相关函数第三节 滑动平均模型第三节 滑动平均模型MA (1)θ1= -0.8MA (1)θ1= +0.8第三节 滑动平均模型MA (2)θ1= +1.4, θ2= -0.6MA (2)θ1= -0.8, θ2= -0.5第三节 滑动平均模型MA (2)θ1= -0.5, θ2= +0.2MA (2)θ1= +0.4, θ2= +0.2第三节 滑动平均模型2.MA(q)模型的可逆性第三节 滑动平均模型第三节 滑动平均模型第三节 滑动平均模型三、MA(q)模型的估计第三节 滑动平均模型第三节 滑动平均模型第三节 滑动平均模型第三节 滑动平均模型第三节 滑动平均模型第三节 滑动平均模型第三节 滑动平均模型四、MA(q)模型的检验第四节 自回归滑动平均模型一、ARMA模型的定义第四节 自回归滑动平均模型二、ARMA(p,q)模型的识别1.ARMA(p,q)模型的平稳性条件第四节 自回归滑动平均模型第四节 自回归滑动平均模型 2.ARMA(p,q)模型的自行关函数和偏相关函数第四节 自回归滑动平均模型第四节 自回归滑动平均模型φ1=-0.5θ1=+0.8φ1=-0.6θ1=-0.2φ1=+0.7θ1=-0.3φ1=+0.2θ1=+0.6φ1=+0.6θ1=+0.2图：ARMA(1,1)自相关函数第四节 自回归滑动平均模型三、ARMA(p,q)模型的估计 如果ARMA(p,q)模型的误差序列ut服从正态分布，可以用最小二乘法和极大似然估计来估计。 第四节 自回归滑动平均模型第四节 自回归滑动平均模型第四节 自回归滑动平均模型第四节 自回归滑动平均模型第四节 自回归滑动平均模型四、ARMA模型的检验第五节 时间序列模型预测一、预测准则第五节 时间序列模型预测二、预测的计算第五节 时间序列模型预测三、预测误差及置信区间的计算第六节 时间序列的应用见教材中的P210例子。