第2章(5)实例：时间序列问题.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,2.5,实例：时间序列问题,一、,中国居民人均消费模型,二、,时间序列问题,一、中国居民人均消费模型,例,2.5.1,考察中国居民收入与消费支出的关系,。,GDPP,：,人均国内生产总值,（,1990,年不变价）,CONSP,：,人均居民消费,（以居民消费价格指数（,1990=100,）缩减）。,表,2.5.1,中国居民人均消费支出与人均,GDP,（元,/,人）,1.,建立模型,拟建立如下一元回归模型,采用,Eviews,软件,进行回归分析的结果，见下表：,注意：,该两组数据是,19782000,年的,时间序列数据,（,time series data,）；,而前面,例,2.2.1,的,可支配收入消费支出,中的数据则是,截面数据,（,cross-sectional data,）。,例,2.5.1,（,P49-52,）,的,Eviews,软件运行结果,由此，可写出如下,回归分析结果,：,(13.51)(53.47),R,2,=0.9927,，,F=2859.23,，,DW=0.5503,R,2,=0.9927,t,值,：,C,：,13.51,，,GDPP,：,53.47,临界值,：,t,0.05/2,(21)=2.08,斜率项：,00.38621,，符合,绝对收入假说,2.,模型检验,3,.,预测,2001,年：,GDPP,=4033.1,（,元）（,1990,年不变价,）,点预测：,CONSP,2001,=201.107+0.3862,4033.1,=1758.7,（,元）,2001,年,实际,的,CONSP,（,1990,年价）：,1782.2,元，,预测的,相对误差,：,-1.32%,。,2001,年人均居民消费的,预测区间,计算如下：,（,注：,和教材,P51-52,的算式及结果稍有差别。,人均,GDP,的,样本均值,与,样本方差,：,E(GDPP)=1823.5,Var(GDPP,)=982.04,2,=964410.4,或：,（,1722.5,元,1794.9,元,）,在,95%,的置信度下，,E(CONSP,2001,),的预测区间,为：,同理，在,95%,的置信度下，,CONSP,2001,的预测区间,为：,或：,（,1680.6,元,1836.8,元,）,二、时间序列问题,上述实例表明，利用,时间序列数据,完全可以进行类似于,截面数据,的回归分析。,然而，,在时间序列回归分析中，有两个需注意的问题：,第一，关于抽样分布的理解问题。,也就是，能否把表,2.5.1,中的,时间序列数据,理解为是从某个总体中抽出的一个样本？,这涉及,时间序列数据与随机过程的关系,。（补）,我们知道，任意时间,t,的经济总量指标都受到无数因素的影响，所以它是一个,随机变量,。,于是，,经济运行过程就表现为按时间先后顺序排列的许多这样的随机变量序列。,其中，每一个随机变量序列都是一个,随机过程,。,一般地，,任一时间序列数据都是某个随机过程的一个实现。,随机过程和它的一个实现（即由它生成的某个时间序列）之间的区别，可以类比于横截面数据中总体和样本之间的区别。,所以，正象我们可以由样本数据引出关于总体的推断那样，在时间序列分析中，我们也可以利用随机过程的一个实现（即由它生成的某个时间序列）引出关于其背后的随机过程的推断。,可决系数,R,2,，,考察被解释变量,Y,的变化中可由解释变量,X,的变化,“,解释,”,的部分。,这里的,“,解释,”,能否换为,“,引起,”,?,第二，关于“伪回归问题”（,spurious regression problem,）。,应该说，,只有当,Y,的变化中可由,X,“,解释,”的部分完全是由,X,的变化所“,引起,”时，才能说,X,与,Y,之间存在因果关系。,但回归分析,只能计算,X,的变化所能,“,解释,”,的部分，还,不能回答,这部分是否由,X,的变化所,“,引起,”,。这提醒我们：,“,需要谨慎对待所得到的较高的可决系数。,”,事实上，在现实经济问题中，对时间序列数据作回归，即使两个变量间没有任何的实际联系，也往往会得到较高的可决系数，尤其对于,具有相同变化趋势（同时上升或下降）的变量,，更是如此。这种现象被称为“,伪回归,”或“,虚假回归,”。,