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)