25 协整分析与向量误差修正模型 |
您所在的位置:网站首页 › vec模型和var模型区别 › 25 协整分析与向量误差修正模型 |
25 协整分析与向量误差修正模型
25.1 虚假回归问题
线性回归分析是统计学的最常用的模型之一, 但是, 如果回归的自变量和因变量都是时间序列, 回归就不满足回归分析的基本假定: 模型误差项独立同分布。 比如,一元线性回归模型 \[ y_t = a + b x_t + e_t, \ t=1,2,\dots,n, \] 需要假定\(e_1, e_2, \dots, e_t\)不相关, 零均值,方差同为\(\sigma^2\), \(x_1, x_2, \dots, x_n\)非随机, 这时最小二乘估计是无偏估计。 当\(\lim_{n\to\infty}\frac{1}{n}\sum_{t=1}^n x_t\)极限存在, \(\frac{1}{n}\sum_{t=1}^n (x_t - \bar x)^2\)有正极限时估计相合, 见定理25.1。 如果\(e_t\),\(x_t\),\(y_t\)之中有时间序列, 则回归可能不相合, 或者估计相合但是回归结果中的标准误差估计和假设检验有错误。 下面用一些例子说明。 例25.1 考虑一个标准的回归模型。 设\(e_t \text{ iid N}(0, 50^2)\), \(x_t = t\), \[ y_t = 2 x_t + e_t, \ t=1,2,\dots,n . \] 这时回归是正常的,用模拟说明: set.seed(101) n |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |