时间序列分析

一级目录

迹检验

AIC

脉冲响应和方差

迹检验

如果要了解迹统计量，首先要知道johansen协整检验。Johansen协整检验是检验多变量之间是否存在协整关系的，具体包括迹检验和最大特征根检验。任何检验都要构造一个原假设和一个检验统计量。迹检验过程中，根据原假设，构造的统计量称为迹统计量。迹检验也称为特征根迹检验，是检验协整向量的存在性的。这个检验是一个多步检验，因为变量之间可能不止存在一个协整关系（非平稳变量之间经过线性组合变成平稳变量）。我们可以把所有的协整向量组成一个矩阵，矩阵的秩最小为0，最大为K（设变量的个数为K）。如果矩阵的秩为0，则说明变量之间不存在协整关系，因此可以提出原假设：不存在协整关系，然后构造迹统计量，如果落入了拒绝域，则说明原假设不成立，因此得出变量之间存在协整关系的结论，拒绝了不存在协整关系的原假设后，可以继续检验原假设最多存在一个协整关系，以此类推，既可以检验出协整向量的个数。

AIC

AIC值越小越好。例如，可以通过选择最小AIC值来确定一个滞后分布的长度。
AIC准则是赤池信息准则，该项准则运用下式的统计量评价模型的好坏：AIC=-2L/n+2K/n，其中L是对数似然值，n是观测值数目，k是被估计的参数个数，AIC的准则要求其越小越好。
因为，AIC的大小取决于L和k。k取值越小，AIC越小；L取值越大，AIC值越小。k笑意味着模型简洁，L大意味着模型精确。因此AIC和修正的决定系数类似，在评价模型是兼顾了简洁性和精确性。

脉冲响应和方差

脉冲分析做的是之间存在着什么关系，是正的还是负响应，方差分解做的是影响程度到底有多大，个人认为分解主要是几个变量做对比后得出谁的影响较大，我做的有的基本上在10%左右，通过对比看谁影响程度比较大。
（1）脉冲响应分析，随着时间的推移，观察模型中的各变量对于冲击是如何反映的，展现气候因子与产量之间的动态反应过程；（2）采用方差分解法进一步研究气候事件对产量的重要性。