发帖
雷达卡
时间序列作为一门统计学，经济学相结合的学科，在我们论坛，特别是五区计量经济学中是热门讨论话题。本月楼主推出新的系列专题——时间简“识”，旨在对时间序列方面进行知识扫盲（扫盲，仅仅扫盲而已……），同时也想借此吸引一些专业人士能够协助讨论和帮助大家解疑答惑。
在统计学的必修课里，时间序列估计是遭吐槽的重点科目了，其理论性强，虽然应用领域十分广泛，但往往在实际操作中会遇到很多“令人发指”的问题。所以本帖就从基础开始，为大家絮叨絮叨那些关于“时间”的故事！
Long long ago，有多long？估计大概7000年前吧，古埃及人把尼罗河涨落的情况逐天记录下来，这一记录也就被我们称作所谓的时间序列。记录这个河流涨落有什么意义？当时的人们并不是随手一记，而是对这个时间序列进行了长期的观察。结果，他们发现尼罗河的涨落非常有规律。掌握了尼罗河泛滥的规律，这帮助了古埃及对农耕和居所有了规划，使农业迅速发展，从而创建了埃及灿烂的史前文明。
好~~从上面那个故事我们看到了
1、时间序列的定义——按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。
2、时间序列分析的定义——对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。
既然有了序列，那怎么拿来分析呢？
时间序列分析方法分为描述性时序分析和统计时序分析。
1、描述性时序分析——通过直观的数据比较或绘图观测，寻找 序列中蕴含的发展规律，这种分析方法 就称为描述性时序分析
- 描述性时序分析方法具有操作简单、直观有效的特点，它通常是人们进行统计 时序分析的第一步。
2、统计时序分析
（1）频域分析方法
- 原理：假设任何一种无趋势的时间序列都可以分解成若干不同频率的周期波动
- 发展过程：
2）后来借助了傅里叶变换，用正弦、余弦项之和来逼近某个函数
3）20世纪60年代，引入最大熵谱估计理论，进入现代谱分析阶段
- 特点：非常有用的动态数据分析方法，但是由于分析方法复杂，结 果抽象，有一定的使用局限性
- 原理：事件的发展通常都具有一定的惯性，这种惯性用统 计的语言来描述就是序列值之间存在着一定的相关 关系，这种相关关系通常具有某种统计规律。
- 目的：寻找出序列值之间相关关系的统计规律，并拟合出 适当的数学模型来描述这种规律，进而利用这个拟 合模型预测序列未来的走势
- 特点：理论基础扎实，操作步骤规范，分析结果易于解 释，是时间序列分析的主流方法
楼主，说了半天，你终于到正题了，时域分析才是我们经常接触的，你赶紧说说怎么做吧？
★时域分析方法的分析步骤：
- 考察观察值序列的特征
- 根据序列的特征选择适当的拟合模型
- 根据序列的观察数据确定模型的口径
- 检验模型，优化模型
- 利用拟合好的模型来推断序列其它的统 计性质或预测序列将来的发展
时域分析方法的发展过程
- 基础阶段——
G.T.Walker：1931年，MA模型，ARMA模型
- 核心阶段——G.E.P.Box和G.M.Jenkins
提出ARIMA模型（Box—Jenkins 模型）
Box—Jenkins模型实际上是主要运用于单变量、同方差场合的线性模型
- 完善阶段——
Bollerslov，1985年GARCH模型
多变量场合：C.Granger ，1987年，提出了协整（co- integration）理论
非线性场合：汤家豪等，1980年，门限自回归模型
用哪些软件可以做时间序列分析呢？
S-plus，Matlab，Gauss，TSP，Eviews 和SAS
上述软件楼主觉得Eviews是基础版，Gauss是小众版，Matlab&S-pluss是正常小青年~~SAS，万能的软件BOSS啊~~~
下一辑——时间序列的预处理！敬请关注！
京公网安备 11010802022788号
