06 2-5 实例：时间序列问题.ppt

第1页：一元线性回归实例

§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

第2页：中国居民人均消费模型例

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）。

第3页：该两组数据

• 该两组数据是1978~2000年的时间序列数据（timeseriesdata）；
• 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前述收入-消费支出例中的数据是截面数据（cross-sectional data）。

第4页：一般可写出如下回归分析结果

一般可写出如下回归分析结果：(13.51) (53.47)R2=0.9927 F=2859.23 DW=0.5503

第5页：模型检验R2=0.9927T值

• 模型检验R2=0.9927T值：C：
• 51，GDPP：
• 47临界值: t0.05/2(21)=2.08斜率项：0<0.3862<1，符合绝对收入假说3、预测2001年：GDPP=4033.1（元）（90年不变价）点估计：CONSP2001=201.107 + 0.38624033.1 = 1758.7（元）2001年实测的CONSP（1990年价）:1782.2元，相对误差:-1.32%。

第6页：2001年人均居民消费的预测区间人均…

2001年人均居民消费的预测区间人均GDP的样本均值与样本方差：E(GDPP)=1823.5 Var(GDPP)=982.042=964410.4在95%的置信度下，E(CONSP2001)的预测区间为：=1758.740.13或：（1718.6,1798.8）同样地，在95%的置信度下，CONSP2001的预测区间为：=1758.786.57或（1672.1, 1845.3）

第7页：时间序列问题上述实例表明

时间序列问题上述实例表明，时间序列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。能把表2.5.1中的数据理解为是从某个总体中抽出的一个样本吗？

第8页：可决系数R2

可决系数R2，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“解释”能否换为“引起”?第二，关于“伪回归问题”（spuriousregression problem）。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”。