一个时间序列yT.是在几个时间点上依次索引的可变观察的集合T.= 1,2,......,T.. 时间序列观测y1那y2,......,yT.本质上依赖。从统计建模角度来看,这意味着将时间序列视为独立观察的随机样本是不合适的。
统计建模的目标是为您的数据找到数据生成过程的紧凑表示。计量经济时间序列建模的统计基础是随机过程。试探性地说,一个随机过程是一组随机变量的联合概率分布。通过对观测到的时间序列进行建模yT.作为随机过程的实现 ,可以适应数据的高维和依赖性。观测时间集T.可以是离散或连续的。图1-1,月平均二氧化碳显示每月平均CO21980年至2012年,夏威夷的Mauna Loa天文台记录的集中(ppm)[3]。
图1-1,月平均二氧化碳
随机过程是弱静止或协方差平稳(或简单地,静止)如果他们的前两个时刻随着时间的推移是有限的和恒定的。具体而言,如果yT.是一个静止的随机过程,然后是所有的T.:
E.(yT.)=μ<∞。
V.(yT.)= <∞。
冠状病毒(yT.那yT-H.)=γH尽管落后
你的随机过程的曲线图似乎是无边界地增加还是减少?这个问题的答案表明随机过程是否平稳。”“是”表示随机过程可能是非平稳的。在里面图1-1,月平均二氧化碳,CO的浓度2是无界增长的,这表明是一个非平稳随机过程。
Wold的定理[2]说明您可以在一般线性形式中写下所有弱固定的随机流程
这里, 表示来自具有均值零的明确尺寸概率分布的一系列不相关(但不一定独立的)随机变量。它经常被称为创新过程因为它在系统中捕获了系统中的所有新信息T.。
线性时间序列模型是一种单位根过程如果解决方案设置为其特征方程包含单位圆上的根(即绝对值为1)。随后,随机过程元素的期望值、方差或协方差随时间增长,因此是非平稳的。如果你的数列有一个单位根,那么差分它可能会使它静止。
例如,考虑线性时间序列模型 在哪里 是具有方差的创新的白噪声序列σ2(这称为随机行走)。该模型的特征方程为 有一个根源。如果是初步观察y0.是固定的,那么你可以写模型 它的预期价值是y0.,这与时间无关。但是,该系列的方差是tσ2,它随时间增长,使序列不稳定。取第一个差分变换序列,模型变为 。这个系列的特征方程是 ,因此它没有单位根。注意
与时间无关,
它独立于时间,并且
对于所有整数,它与时间无关0 。
图1-1,月平均二氧化碳看起来不稳定。如果绘制第一个差异,会发生什么D.T.=yT.–yT.-1这个系列?图1-2,CO2的月度差异显示D.T.。忽略波动,随机过程似乎似乎通常不会增加或减少。你可以得出结论D.T.是静止的,那yT.单位根是非平稳的。有关详细信息,请参阅差异。
图1-2,CO2的月度差异
这滞后运营商L.在时间序列上运行yT.这样 。
一个m系数的Th-degete Lag多项式B.1那B.2,......,B.m被定义为
在滞后运算符表示法中,可以使用无限次多项式编写一般线性模型
您无法估计具有具有有限数据量的具有有限系数的无限度多项式的模型。但是,如果 是一个合理的多项式(或大致理性的),您可以将其写入(至少近似)作为两个有限度多项式的商。
定义问:-次多项式 和P.-次多项式 。如果 那么,这是理性的吗
因此,由Wold的定理,您可以模拟(或密切地近似)每个静止随机过程
其中有P.+问:系数(有限数)。
学位P.特征多项式线性时间序列模型 是
这是评估一系列是静止过程的另一种方法。例如,特征方程 是
根源均匀特征方程式 (称为特征根)确定线性时间序列是否静止。如果每个根植物 位于单位圆内,则过程是静止的。如果根的绝对值小于1,则根位于单位圆内。如果一个或多个根位于单位圆内(即绝对值为1),则这是单位根过程。继续这个例子,特征根 是 由于这些根的绝对值小于1,线性时间序列模型是平稳的。
[1]盒子,G.E.P.,G.M. Jenkins和G. C. Reinsel。时间序列分析:预测和控制。3 ed。Englewood Cliffs,NJ:Prentice Hall,1994年。
[2] 世界,H。静止时间序列分析研究。乌普萨拉,瑞典:Almqvist&Wiksell,1938年。
[3] Tans,P.和R。基林(2012年8月大气二氧化碳的趋势。”NOAA研究。从2012年10月5日获取https://www.esrl.noaa.gov/gmd/ccgg/trends/mlo.html.
。