众文网1.为什么时间序列做回归时只需协整检验就够了,不需要以前的经典回归
面板数据的协整检验与协整回归
1、前提：
待检验的两个或多个变量之间（自变量与因变量），（单整：单个变量的差分平稳，一阶平稳：差分一次；二阶级平稳：差分两次；，，，，）必须是同阶单整。
原因：只有同阶单整，变量之间才有共同的增长趋势，才能同涨同落。时间序列的协整检验：先做回归，后做协整检验。2、面板数据的协整检验：先做协整检验，后做回归。
协整：变量之间的长期的稳定的协调关系。
3、面板数据的协整回归：
(1)不变系数模型（各单位之间的回归系数大体相同）
变系数模型（各单位之间的回归系数大体不同）
F检验：略。
(1)固定影响模型（总体数据）
(2)随机影响模型（样本数据）
三大回归：
1、截面数据的回归
(1)异方差（穷人的额外消费与富人的额外消费差距甚大：收入作为自变量；消费作为因变量）
影响：自变量“纳伪”
消除：WLS
(2)自相关（时间序列的残差之间相互关联）
如果模型成功，残差之间应该无自相关。白噪声WN。
影响：自变量“纳伪”
消除：广义差分法：既对因变量进行差分，也对自变量进行差分。
（狭义差分：只对因变量进行差分）。
共线性
信息重叠。
VIF：大于10
剔除法（剔点）。
2、时间序列
ARMA模型（自回归移动平均模型）
平稳性检验：单位根检验ADF
等均值（实际：等观测值，08年GDP与09年GDP相等）
同方差（实际：同残差，08年残差与09年的残差相同）
协方差（相关系数）：只与时间跨度的长短有关。时间间隔越长，相互影响越弱。
随机漫步：（random walk）
随机漫步：方差变得无穷大，均值变得无意义。
“单位”根：回归系数为1.
单位根过程：非平稳过程！
单位根检验：ADF
时间序列的协整检验与协整回归
（面板数据的协整检验与协整回归的应用）
协整检验
判断时间序列是否同阶单整
如果同阶单整
ADF检验
协整回归
OLS方法
对残差进行白噪声检验（判断残差是否存在自相关）
Quick-generate series 在对话框中写：“et=resid”，点击“OK”。
打开et，进行单位根检验。
如果检验结果，et为平稳过程，则说明刚才所做回归是协整回归。
2.对于时间序列模型需要做哪些检验
作图、拟合。
根据动态数据作相关图，进行相关分析，求自相关函数。相关图能显示出变化的趋势和周期，并能发现跳点和拐点。如果跳点是正确的观测值，在建模时应考虑进去，如果是反常现象，则应把跳点调整到期望值。
辨识合适的随机模型，进行曲线拟合，用通用随机模型去拟合时间序列的观测数据。对于短的或简单的时间序列，可用趋势模型和季节模型加上误差来进行拟合。对于平稳时间序列，可用通用ARIMA模型及其特殊情况的自回归模型、滑动平均模型或组合-ARIMA模型等来进行拟合。
扩展资料：
时间序列模型作用及影响：
1、根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述。用ARMA模型拟合时间序列，预测该时间序列未来值。
2、当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理。
3、提供给用户一套较完整的时间序列建模分析、进行预测预报的工具，包括平稳无趋势时间序列分析预测、有趋势的时间序列预测、具季节性周期的时间序列预测以及差分自回归滑动平均（ARIMA）建模分析。
参考资料来源：百度百科-时间序列模型
转载请注明出处众文网 » 本科毕业论文时间序列没做协整检验(为什么时间序列做回归时只需协整检验就够了,不需要以前的经典回归)