學(xué)習(xí)筆記，僅供參考，有錯(cuò)必糾

---

文章目錄

• • 時(shí)間序列
  • • 均衡與誤差修正機(jī)制
    • “一般到特殊”建模法
    • • 分布滯后模型
      • 動(dòng)態(tài)分布滯后模型
      • 動(dòng)態(tài)模型(自回歸模型)

---

時(shí)間序列

均衡與誤差修正機(jī)制

均衡指一種狀態(tài)。達(dá)到均衡時(shí)將不存在破壞均衡的內(nèi)在機(jī)制。這里只考慮平穩(wěn)的均衡狀態(tài)，即當(dāng)系統(tǒng)受到干擾后會(huì)偏離均衡點(diǎn)，而內(nèi)在均衡機(jī)制將努力使系統(tǒng)重新回到均衡狀態(tài)。

若兩個(gè)變量$x_t$ , $y_t$永遠(yuǎn)處于均衡狀態(tài)，則偏差為零。然而由于各種因素的影響，$x_t$ , $y_t$并不是永遠(yuǎn)處于均衡位置上，從而使$u_t=0$，稱$u_t$為非均衡誤差。當(dāng)系統(tǒng)偏離均衡點(diǎn)時(shí)，平均來說，系統(tǒng)將在下一期移向均衡點(diǎn)。這是一個(gè)動(dòng)態(tài)均衡過程。本期非均衡誤差$u_t$是$y_t$下一期取值的重要解釋變量。當(dāng)$u_t>0$時(shí)，說明$y_t$相對(duì)于$x_t$取值高出均衡位置。平均來說，變量$y_t$在T+1期的取值$y_{t+1}$將有所回落。所以說$u_t=f(y_t,x_t)$具有一種誤差修正機(jī)制。

當(dāng)然這種均衡不意味著一定是1比1的關(guān)系。

“一般到特殊”建模法

分布滯后模型

如果回歸模型中不僅包括解釋變量的本期值，而且包括解釋變量的滯后（過去）值，則這種回歸模型稱為分布滯后模型。例如：

分布滯后模型中的解釋變量存在高度相關(guān)，克服高度相關(guān)的一個(gè)方法是在等號(hào)右側(cè)加一個(gè)被解釋變量的滯后項(xiàng) 。

動(dòng)態(tài)分布滯后模型

如果在分布滯后模型中包括被解釋變量的若干個(gè)滯后值作解釋變量，則稱之為動(dòng)態(tài)分布滯后模型或自回歸分布滯后模型. 例如：

動(dòng)態(tài)模型(自回歸模型)

如果在回歸模型的解釋變量中包括被解釋變量的一個(gè)或幾個(gè)滯后值，則稱這種回歸模型為動(dòng)態(tài)模型(或自回歸模型). 例如：

對(duì)于ADL (1, 1) 模型，$x_t$和$y_t$的長期關(guān)系是：

長期參數(shù)描述變量之間的均衡關(guān)系。短期參數(shù)描述變量通向均衡狀態(tài)過程中的非均衡關(guān)系。通過對(duì)${\alpha }_0,{\beta }_0$和${\beta }_1$施加約束條件，從ADL(1,1)模型可以得到許多特殊的經(jīng)濟(jì)模型。

下面以9種約束條件為例，給出特定模型如下：

以上所列舉的例子說明實(shí)際上許多有特殊經(jīng)濟(jì)意義的模型都是由一個(gè)一般的ADL模型化簡得到的。這種建立模型的方法是首先從一個(gè)包括了盡可能多解釋變量的“一般”ADL模型開始，通過檢驗(yàn)回歸系數(shù)的約束條件逐步剔除那些無顯著性變量，壓縮模型規(guī)模，（在這個(gè)過程中要始終保持模型隨機(jī)誤差項(xiàng)的非自相關(guān)性。）最終得到一個(gè)簡化（或“特殊”）的模型。這種方法稱為“一般到特殊”建模法。也稱作亨德里（Hendry）建模法。

總結(jié)

以上是生活随笔為你收集整理的时间序列研(part9)--均衡与误差修正机制的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。