Professional Documents
Culture Documents
時間序列
時間序列
10.1 時間序列資料
1. 隨機過程(stochastic process)或時間序列過程(time series process)
2. 隨機變數(random variable)
10.2 時間序列迴歸模型
1.靜態模型(static model)
y t 0 1 z t u t t 1,2, , n
y t 0 1 xt1 k xtk u t
2. 殘差項平均數為零
E (u t | xt1 , , xt k ) E (u t | x n ) 0
而且 即解釋變數為存外生性(strictly exogenous)
Cor ( xt j , u t ) 0
3. 沒有完全共線性
4. 同質性
Var (u t | x ) Var (u t ) 2
5. 沒有序列相關
Cor (u t , u s | x ) 0
6. 常態分配假設
u t ~ N (0, 2 )
10.4 函數形態、虛擬變數與指數
1. 採用對數形式
例如:
log(M t ) 0 0 log(GDPt ) 1 log(GDPt 1 ) 2 log(GDPt 2 ) 3 log(GDPt 3 ) 4 log(GDPt 4 ) u t
0 :短期彈性
0 1 2 3 4 :長期彈性(衡量四期變動後的結果)
2. 利用虛擬變數衡量特定期間效果
例如:
gf t 0 1 pet 2 ww2 t 3 pillt u t
其中, gf :生育率 pe :個人免稅額
ww2 :指 1941 至 1945 二次大戰期間
pill :指 1963 年後避孕藥發明
事件分析法(event study):利用虛擬變數做為解釋變數
3. 指數
指數係說明基期與當期間的關係,例如:物價指數於 2000 年為 100,若 2006 年為 110,表示物價上漲 10%。
例用物價指數平減,將當期值轉換成實質值(real value),
例如:實質工資率 w
p
10.5 趨勢與季節變化
1. 時間趨勢(time trend)
當時間序列資料呈現固定的成長型態,則稱為其時間趨勢。
2. 線性時間趨勢
y t 0 1t et
y t y t y t 1 1
E ( yt ) 0 1
當 1 0 表向上趨勢(upward trend); 1 0 表向下趨勢(downward trend)
3. 指數趨勢
log( y t ) 0 1t et
反應出固定平均成長率,亦即 log y t ( y t y t 1 ) / y t 1
4. 二次趨勢
y t d 0 d 1t d 1 t 2 e t
y t
1 2 2 t
t
5. 假性迴歸(spurious regression)
解釋變數與被解釋變數間均存在時間趨勢,兩者間的關係存在假性關係(spurious relationship),
利用加入時間項,可以解決此一問題。
6. 利用排除趨勢(detrending)迴歸
當考量
y t 0 1 xt1 2 xt2
若 、 、 均存在趨勢性,可以採用排除趨勢方式。
yt xt1 xt 2
(3) 得出
xt 2 0 1t et eˆt xt2
(4)利用 對 、 迴歸得 與 。
yt xt1 xt 2 1 2
7. 季節變化
利用季節的虛擬變數,進行迴歸估計。