《时间序列数据的基本回归分析.ppt》由会员分享，可在线阅读，更多相关《时间序列数据的基本回归分析.ppt（10页珍藏版）》请在三一办公上搜索。
1、时间序列分析中的虚拟变量改革开放前后大学扩招与企业创新能力税收豁免与生育率：,事件研究研究某个事件（某个政策的实施）对某项结果的影响用虚拟变量区分政策实施前后两个类别航空事故对公司股票收益的影响；地产新政对地产板块股票收益的影响：Rtf=0+1Rtf+2d+ut指数基期的变化；价格指数：可用于计算通胀率，和将名义值换算为实际值大多数经济行为受真实变量而非名义变量的影响工作时间与小时工资 log(hours)=0+1log(w/p)+u log(hours)=0+1log(w)+2log(p)+u,对华反倾销：交互影响克林顿的得票率（54.65%）：,趋势和季节性,趋势与虚假相关,线性时间趋势模
2、型：yt=0+1t+et et(0,e2)关于参数1的两种理解：从当期到下一期，yt的绝对变化额：1=yt=yt-yt-1yt随时间的变化趋势：E(yt)=0+1tyt的方差是不变的：Var(yt)=Var(et)=e2,指数趋势 log(yt)=0+1t+et参数1的经济含义：1=log(yt)(yt-yt-1)/yt-1,回归分析中的趋势变量若因变量y和自变量x1和x2含有线性趋势，引入趋势变量：yt=0+1x1t+2x2t+3t+ut可以将线性趋势t理解为除x1和x2外，导致y中线性趋势的其他不可观测因素。x围绕其线性趋势的变化对因变量偏离其趋势的影响,包含线性趋势的生育方程,包含时间趋势的回归模型与退势处理y、x1和x2都含有线性趋势，一个自然的做法是退势处理：yt=0+1t+t 估计模型：这与包含线性趋势的回归模型是等同的：yt=0+1x1t+2x2t+3t+ut,包含线性趋势时的可决系数R2 yt=0+1x1t+2x2t+3t+ut总体可决系数：R2=1-(u2/y2)样本可决系数和调整可决系数：y的方差y2不等于SST/(n-1)更合理的拟合优度度量：,
