學習筆記，僅供參考，有錯必糾

---

文章目錄

• • 時間序列
  • • 均衡與誤差修正機制
    • “一般到特殊”建模法
    • • 分布滯后模型
      • 動態分布滯后模型
      • 動態模型(自回歸模型)

---

時間序列

均衡與誤差修正機制

均衡指一種狀態。達到均衡時將不存在破壞均衡的內在機制。這里只考慮平穩的均衡狀態，即當系統受到干擾后會偏離均衡點，而內在均衡機制將努力使系統重新回到均衡狀態。

若兩個變量$x_t$ , $y_t$永遠處于均衡狀態，則偏差為零。然而由于各種因素的影響，$x_t$ , $y_t$并不是永遠處于均衡位置上，從而使$u_t=0$，稱$u_t$為非均衡誤差。當系統偏離均衡點時，平均來說，系統將在下一期移向均衡點。這是一個動態均衡過程。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$u_t>0$時，說明$y_t$相對于$x_t$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制。

當然這種均衡不意味著一定是1比1的關系。

“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，克服高度相關的一個方法是在等號右側加一個被解釋變量的滯后項 。

動態分布滯后模型

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

動態模型(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或幾個滯后值，則稱這種回歸模型為動態模型(或自回歸模型). 例如：

對于ADL (1, 1) 模型，$x_t$和$y_t$的長期關系是：

長期參數描述變量之間的均衡關系。短期參數描述變量通向均衡狀態過程中的非均衡關系。通過對${\alpha }_0,{\beta }_0$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濟模型。

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際上許多有特殊經濟意義的模型都是由一個一般的ADL模型化簡得到的。這種建立模型的方法是首先從一個包括了盡可能多解釋變量的“一般”ADL模型開始，通過檢驗回歸系數的約束條件逐步剔除那些無顯著性變量，壓縮模型規模，（在這個過程中要始終保持模型隨機誤差項的非自相關性。）最終得到一個簡化（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

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站內容還不錯，歡迎將生活随笔推薦給好友。