随机过程及其平稳性.pptx

《随机过程及其平稳性.pptx》由会员分享，可在线阅读，更多相关《随机过程及其平稳性.pptx（43页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1（二）随机过程的分布特征1、有限维分布函数族第1页/共43页22、均值和方差函数(1)均值函数(2)协方差和方差函数第2页/共43页3二、随机过程的平稳性（一）随机过程平稳性的定义和意义1、严平稳若一个随机过程在任意时点概率分布的特性不受时间原点改变的影响，则称该随机过程是“严平稳”的。若一个随机过程是“严平稳”的,且存在一、二阶矩，则(1)在任一时点的均值和方差都是常数。(2)协方差与时间的起点无关，仅与时间间隔有关。第3页/共43页42、弱平稳 若一个随机过程满足下列三个条件第4页/共43页53、计量经济分析与时间序列平稳性时间序列的平稳性是一个非常重要的特征，它保证了随机过程基本上没有

2、结构变动，而结构变动将使预测遇到困难或不可能。计量经济的时间序列分析模型进行分析和预测的基础是时间序列具有平稳性。以后谈到的平稳通常是指弱平稳。第5页/共43页6（二）平稳和非平稳随机过程的例子1、白噪声过程白噪声序列是平稳序列，它是构成各种平稳和非平稳时间序列的基础。第6页/共43页72、独立同分布过程若一个随机过程在各时点满足(1)彼此相互独立，(2)具有相同的分布，则称该随机过程为一个独立同分布过程或独立同分布序列。独立同分布序列既是严平稳的，也是弱平稳的。正态白噪声序列独立同分布序列第7页/共43页83、随机游走和单位根过程第8页/共43页9单位根过程若随机过程满足：随机游走过程是非平

3、稳过程。单位根过程是非平稳过程。第9页/共43页10（三）平稳性的检验1、图形判断2、自相关图检验3、单位根检验(以后介绍)第10页/共43页111、图形判断平稳时间序列图形第11页/共43页12非平稳时间序列图形第12页/共43页13趋势平稳时间序列图形第13页/共43页例1 用图形判断某地区人均收入和人均消费数据的平稳性（数据见教材例3-1）启动Eviews进入主窗口EViews。点击FileNew/Workfile,进入工作文件定义对话框WorkfileCreate.在工作文件定义对话框中，对工作文件结构类型项Workfilestructuretype可选择时间序列（Dated-regu

4、larfrequency);在日期框（Datespecification)中，日期频率（Frequency)选择年度（Annual),并在下面输入起止年份，输入工作文件名，同时给工作文件页命名。最后，点击ok.14第14页/共43页在Workfile中，Object/New object/,并给序列命名（比如x,y),ok.点击序列x或y的图标，输入数据。Quick/Graph/LineGraph15第15页/共43页序列y的图形16第16页/共43页序列dy的图形17第17页/共43页序列d2y的图形18第18页/共43页序列d3y的图形19第19页/共43页第20页/共43页第21页/共4

5、3页2、自相关图检验先复习随机变量的数字特征:一元随机变量X的数字特征:数学期望E(X)，描述X的平状态，衡量随机变量取值的平均水平。方差Var(x),描述X的离散程度，是衡量随机变量取值发散程度的指标。两个或多个随机变量的关系也可以通过数字特征加以描述。22第22页/共43页两个或多个随机变量的数字特征:协方差和相关系数协方差 设随机变量 和 的均值和方差都存在，则 称为 和 的“协方差”（Covariance）。23第23页/共43页相关系数 设随机变量 和 的均值和方差都存在，则 称为 和 的“相关系数”（Correlation coefficient）。24第24页/共43页偏相关系数

6、设、和是三个相互之间都有关系的随机变量，每个随机变量都包含有另两个随机变量的影响。在这种情况下，两个随机变量的相关系数反映的其实不是这两个变量之间的真正关系，因为这两个随机变量的水平都受第三个随机变量水平的影响。设法将第三个变量的影响从前个变量中去掉后，再计算两“净值”序列的相关系数，用这种方法得到的相关系数称为“偏相关系数”，记为。25第25页/共43页偏相关系数的计算方法将对和进行回归，因为对的影响在的回归系数中得到了体现，因此的回归系数就代表对的净影响，就是和之间排除了影响的偏相关系数。偏相关系数也称为偏回归系数。26第26页/共43页自相关图检验的原理平稳时间序列过程的自协方差，或由协

7、方差计算的自相关函数（ACF），应该很小、很快趋于0，由截尾或拖尾特征。27第27页/共43页28自相关图检验计算公式利用自相关函数时特性进行检验的公式为：第28页/共43页例1 用自相关图检验某地区人均收入和人均消费数据的平稳性（数据见教材例3-1）File/Open/Eviewsworkfile/h:谢识予p155.wf1点击Y的图标Lastupdated:06/06/08-07:191981585.00001982576.00001983615.00001984726.00001985992.000019861170.00019871282.00019881648.00019891812

8、.00019901936.00019912167.00019922509.00019933530.00019944669.00019955868.00019966763.00019976820.00019986866.00019998248.00020008868.00020019336.000200210464.0029第29页/共43页View/correlogram/level/okDate:02/05/09Time:23:27Sample:19812002Includedobservations:22AutocorrelationPartialCorrelationACPACQ-Sta

9、tProb.|*|.|*|10.8640.86418.7830.000.|*|.|.|20.734-0.05233.0030.000.|*|.*|.|30.597-0.10142.9030.000.|*|.*|.|40.457-0.09749.0370.000.|*|.|.|50.3450.01552.7370.000.|*.|.*|.|60.220-0.13354.3320.000.|*.|.*|.|70.077-0.18054.5430.000.|.|.*|.|8-0.052-0.07954.6450.000.*|.|.|.|9-0.159-0.02555.6740.000.*|.|.|.

10、|10-0.243-0.03758.2740.000.*|.|.|.|11-0.301-0.02962.6230.000*|.|.*|.|12-0.350-0.06169.0990.00030第30页/共43页View/correlogram/选Level，OK31第31页/共43页从上图样本自相关函数的值分析Autocorrelation的图形没有截尾或拖尾特征，还有许多值落在临界值范围之外，所以，可以初步判断时间序列Y有非平稳性。下面分析DY的平稳性。32第32页/共43页33第33页/共43页34第34页/共43页从上图样本自相关函数的值分析Autocorrelation的图形没有截尾或

11、拖尾特征，除个别值接近临界值外，其他值都落在临界值范围之内，所以，可以初步判断时间序列DY基本具有平稳性。下面分析D2Y的平稳性。35第35页/共43页36第36页/共43页37第37页/共43页38第38页/共43页从上图样本自相关函数的值分析Autocorrelation的图形没有截尾或拖尾特征，除个别值接近临界值外，其他值都落在临界值范围之内，所以，可以初步判断时间序列D2Y基本具有平稳性。下面分析D3Y的平稳性。39第39页/共43页40第40页/共43页从上图样本自相关函数的值分析Autocorrelation的图形没有截尾或拖尾特征，但Autocorrelation的值都落在临界值范围之内，所以，可以判定时间序列D3Y具有平稳性。41第41页/共43页作业P556,842第42页/共43页43感谢您的观看！第43页/共43页