<p>
168895.rar
(3.59 MB, 需要: 5 个论坛币)
</p><p>Time Series: Their Analysis by Successive Smoothings</p><p>Lewis A. Maverick</p><p>Econometrica, Vol. 1, No. 3. (Jul., 1933), pp. 238-246.</p><p>&nbsp; </p><p>Regression Theory for Near-Integrated Time Series</p><p>P. C. B. Phillips</p><p>Econometrica, Vol. 56, No. 5. (Sep., 1988), pp. 1021-1043.</p><p>&nbsp; </p><p>Pooled Time-Series Cross-Section Estimation</p><p>Arthur Havenner; Ronald Herman</p><p>Econometrica, Vol. 45, No. 6. (Sep., 1977), pp. 1535-1536.</p><p>&nbsp; </p><p>Time Series Regression with a Unit Root</p><p>P. C. B. Phillips</p><p>Econometrica, Vol. 55, No. 2. (Mar., 1987), pp. 277-301.</p><p>&nbsp; </p><p>Nonlinear Regressions with Integrated Time Series</p><p>Joon Y. Park; Peter C. B. Phillips</p><p>Econometrica, Vol. 69, No. 1. (Jan., 2001), pp. 117-161.</p><p>&nbsp; </p><p>Integration Versus Trend Stationary in Time Series</p><p>David N. DeJong; John C. Nankervis; N. E. Savin; Charles H. Whiteman</p><p>Econometrica, Vol. 60, No. 2. (Mar., 1992), pp. 423-433.</p><p>&nbsp; </p><p>Empirical Limits for Time Series Econometric Models</p><p>Werner Ploberger; Peter C. B. Phillips</p><p>Econometrica, Vol. 71, No. 2. (Mar., 2003), pp. 627-673.</p><p>&nbsp; </p><p>The Estimation of Parameters in Linear Autoregressive Time Series</p><p>Maurice G. Kendall</p><p>Econometrica, Vol. 17, Supplement: Report of the Washington Meeting. (Jul., 1949), pp. 44-57.</p><p>&nbsp; </p><p>Pooling of Time Series and Cross Section Data</p><p>V. K. Chetty</p><p>Econometrica, Vol. 36, No. 2. (Apr., 1968), pp. 279-290.</p><p>&nbsp; </p><p>Parameters and Relations of Stochastically Lagged and Disaggregative Time Series</p><p>Haskel Benishay</p><p>Econometrica, Vol. 36, No. 1. (Jan., 1968), pp. 155-171.</p><p>&nbsp; </p><p>时间序列(Time series)是计量经济学家克莱夫·格兰杰(Clive Granger)和罗伯特·恩格尔(Robert Engel)获得2003年度诺贝尔经济学奖的课题,是实证经济学的一种统计方法。</p><p>&nbsp; </p><p>内涵</p><p>时间序列变量指每隔一定时间间隔所记录的变量数据。例如,从1979年至2010年中国的国内生产总值(GDP)和平均物价指数就是一个的时间序列。在金融工程学方面,标准普尔指数在过去若干年内每分钟的数值也是一个时间序列。宏观经济学、国际经济学和金融工程学里的实证研究大都是时间序列分析。</p><p>&nbsp; </p><p>时间序列变量的特征</p><p>非平稳性(nonstationarity,也译作不平稳性,非稳定性):即时间序列变量无法呈现出一个长期趋势并最终趋于一个常数或是一个线性函数。波动幅度随时间变化(Time-varying Volatility):即一个时间序列变量的方差随时间的变化而变化。这两个特征使得有效分析时间序列变量十分困难。平稳型时间数列(Stationary Time Series)系指一个时间数列其统计特性将不随时间之变化而改变者。</p><p>&nbsp; </p><p>传统的计量经济学的假设</p><p>假设时间序列变量是从某个随机过程中随机抽取并按时间排列而形成的,因而一定存在一个稳定趋势(stationarity)假定时间序列变量的波动幅度(方差)是固定的(这明显不符合实际,人们早就发现股票收益的波动幅度是随时间而变化的,并非常数)这样的假设使得传统的计量经济学方法对实际生活中的时间序列变量无法有效分析。克莱夫·格兰杰和罗伯特·恩格尔的贡献解决了这个问题。</p><p>时间序列变量指每隔一定时间间隔所记录的变量数据。例如,从1979年至2010年中国的国内生产总值(GDP)和平均物价指数就是一个的时间序列。在金融工程学方面,标准普尔指数在过去若干年内每分钟的数值也是一个时间序列。宏观经济学、国际经济学和金融工程学里的实证研究大都是时间序列分析。</p><p>&nbsp; </p><p>&nbsp; </p><p>【典藏下载系列2】世界顶尖计量经济学著作集锦:</p><p>&nbsp; </p><p>http://www.pinggu.org/bbs/thread-257614-1-1.html&nbsp;</p>
[此贴子已经被angelboy于2008-7-24 13:42:00编辑过]