更多精彩内容请关注211统计课堂
上期小统和大家一起了解了STATA数据处理技巧与计量分析中的回归分析偏误处理知识，这期小统和大家继续学习一下时间序列分析。
什么是时间序列
一个标有时间脚标的随机变量序列被称为一个随机过程或时间序列过程。
注意点：
随机性。无法预知下一个时间节点会发生什么。
确定性。已经发生的，无法重现。因为发生当时受若干因素影响。
常见的时间序列模型
有限分布滞后模型FDL(存在一定的时滞影响)
冲击倾向或冲击乘数，反映了z在t时期提高一个单位对y的即期变化
考虑对z的一个冲击，
长期倾向或长期乘数，反映了z从t时期开始永久性提高
考虑对z的一个冲击，
从t+3开始，都是增加LRP(长期倾向)
经典假设下OSL的有限样本性质
OLS重要假定(了解即可)
经典线性回归假设：
- 假定SLR.5 随机干扰项与解释变量之间不相关。
- 假定SLR.6 随机干扰项服从零均值、同方差的正态分布。
高斯-马尔科夫假设：
- 假定SLR.1 回归模型是正确设定的，即满足模型不存在设定偏误。
- 假定SLR.2 解释变量X是确定性变量，不是随机变量，且各解释变量之间无完全多重共线性(相关性)。
- 假定SLR.3 解释变量的样本有变异性，即x的值不全相同。(非常弱的假定)
- 假定SLR.4 在给定X的条件下，随机干扰项具有零均值、同方差和不序列相关性。
趋势和季节性
有时间趋势的时间序列
线性时间趋势：明显的线性上升趋势(可通过散点图观察)
指数趋势：相同的平均增长率(可通过散点图观察)
伪回归问题:
仅因为每个变量都随着时间而增长，便得到两个或多个趋势变量之关系的现象，便是伪回归问题(spurious regression problem)。
处理:在模型中添加时间趋势变量就可以消除伪回归问题。
小结
时间序列的概念、常见的时间序列模型
时间序列的OLS有限样本性质和假定
趋势和季节性问题，短期冲击和长期乘数
下期预告
◆时间序列分析(下)
喜欢就点个在看吧
转播
