本文關鍵詞：基于Sieve Bootstrap方法的季節(jié)時間序列模型檢驗問題研究　出處：《數(shù)量經濟技術經濟研究》2017年07期 　論文類型：期刊論文

  更多相關文章： 單位根 季節(jié)過程 Sieve Bootstrap 功效

【摘要】：研究目標:完善季節(jié)時間序列模型建模理論,解決建模過程煩瑣、各類檢驗方法的結論差異大以及模型誤設定問題。研究方法:基于對各季節(jié)時間序列模型的數(shù)理分析及比較,提出合理的模型檢驗程序;再運用Sieve Bootstrap方法,給出季節(jié)性單位根檢驗及確定性季節(jié)過程檢驗的統(tǒng)計量的臨界值,并比較基于Sieve Bootstrap的檢驗方法與HEGY檢驗、BT檢驗的異同。研究發(fā)現(xiàn):本文提出的檢驗程序能有效識別模型,檢驗統(tǒng)計量有限樣本性質優(yōu)良;實證分析表明,本文提出的檢驗程序及方法能更有效地識別中國宏觀經濟數(shù)據中的季節(jié)性。研究創(chuàng)新:將Sieve Bootstrap方法應用于季節(jié)時間序列的平穩(wěn)性檢驗及趨勢性檢驗中。研究價值:提出季節(jié)時間序列模型檢驗程序及檢驗方法,促進其在季節(jié)性經濟數(shù)據中的應用。
[Abstract]:Research objectives: to improve the modeling theory of seasonal time series model, to solve the problem of cumbersome modeling, the large difference in the conclusion of all kinds of inspection methods and the problem of model error setting. Research methods: the comparison and analysis of mathematical model based on the seasonal time series model, put forward reasonable inspection procedures; and then use the Sieve Bootstrap method, the critical value of this seasonal unit root test and deterministic seasonality test statistics, and compare the similarities and differences based on HEGY test method Sieve Bootstrap test, BT test. It is found that the test procedure proposed in this paper can identify the model effectively, and the finite sample property of the test statistic is excellent. The empirical analysis shows that the test procedure and method proposed in this paper can identify the seasonality of Chinese macroeconomic data more effectively. Research Innovation: the Sieve Bootstrap method is applied to the stability test and trend test of seasonal time series. Research value: the seasonal time series model test program and test method are put forward to promote its application in seasonal economic data.
【作者單位】： 西安交通大學經濟與金融學院;
【基金】：中央高�；究蒲袠I(yè)務費專項資金(SK2016019) 國家社科基金青年項目(11CTJ002) 中國國家留學基金委的2016年“建設高水平大學聯(lián)合培養(yǎng)研究生項目”(201606280120)資助
【分類號】：F124;F224.0
【正文快照】： 研究目標:完善季節(jié)時間序列模型建模理論,解決建模過程煩瑣、各類檢驗方法的結論差異大以及模型誤設定問題。研究方法:基于對各季節(jié)時間序列模型的數(shù)理分析及比較,提出合理的模型檢驗程序;再運用Sieve Bootstrap方法,給出季節(jié)性單位根檢驗及確定性季節(jié)過程檢驗的統(tǒng)計量的臨界

【相似文獻】

相關期刊論文 前10條

1 楊貴軍;;時間序列模型描述個體經濟發(fā)展趨勢的局限性及改進方法[J];現(xiàn)代財經(天津財經大學學報);2006年07期

2 郭順生;王磊;黃琨;;基于時間序列模型預測汽車銷量研究[J];機械工程師;2013年05期

3 李寶慧;用時間序列模型對社會消費品指數(shù)的規(guī)律進行研究和預測[J];統(tǒng)計研究;2000年01期

4 葉阿忠,李子奈;我國通貨膨脹的混合回歸和時間序列模型[J];系統(tǒng)工程理論與實踐;2000年09期

5 吳令云,趙遠東;用時間序列模型分析突發(fā)事件對經濟的影響[J];統(tǒng)計與決策;2004年04期

6 陳飛,高鐵梅;結構時間序列模型在經濟預測方面的應用研究[J];數(shù)量經濟技術經濟研究;2005年02期

7 霍振宏;;基于時間序列模型下國民經濟發(fā)展趨勢實證分析[J];中原工學院學報;2007年04期

8 鄭煜;孟軍;;時間序列模型對黑龍江省水稻比較優(yōu)勢的預測[J];東北林業(yè)大學學報;2008年10期

9 張新波;;時間序列模型在稅收預測中的應用[J];湖南稅務高等�？茖W校學報;2010年04期

10 劉領坡;;我國社會消費品零售總額時間序列模型及預測[J];經濟論壇;2011年06期

相關會議論文 前4條

1 汪宏晶;林曦晨;湯洪秀;尹平;;多元時間序列模型及其應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

2 史青;練曉華;;時間序列模型在地鐵結構變形預測中的應用[A];第十五屆華東六省一市測繪學會學術交流會論文集（江蘇上海論文分冊）[C];2012年

3 黃榮坦;;廈門港集裝箱吞吐量的時間序列模型[A];2002年中國管理科學學術會議論文集[C];2002年

4 趙慶江;遲凱;付芳萍;李潮潮;車文剛;;基于FCM的模糊時間序列模型及人民幣匯率預測[A];第二十九屆中國控制會議論文集[C];2010年

相關重要報紙文章 前2條

1 國海證券研究所;時間序列模型預測3月CPI為—1.26%[N];上海證券報;2009年

2 羅佐縣;勘探投資須研究規(guī)律提高效率[N];中國石化報;2008年

相關博士學位論文 前5條

1 趙彪;兩類時間序列模型的統(tǒng)計推斷[D];中國科學技術大學;2015年

2 尚華;兩類時間序列模型的異常值檢測研究[D];首都經濟貿易大學;2016年

3 王立柱;基于計算智能的時間序列模型及預測研究[D];大連理工大學;2015年

4 楊凱;幾類門限時間序列模型的推斷研究[D];吉林大學;2016年

5 邱望仁;模糊時間序列模型及其在股指趨勢分析中的應用研究[D];大連理工大學;2012年

相關碩士學位論文 前10條

1 段煉;基于時間序列模型的日內交易策略在A股市場上的應用[D];復旦大學;2014年

2 李金玲;基于特征展開法的模糊時間序列模型的約減算法[D];大連海事大學;2015年

3 王鵬飛;基于自相關函數(shù)的模糊時間序列模型的優(yōu)化算法[D];大連海事大學;2015年

4 孫自珂;風電并網對電力系統(tǒng)可靠性影響研究[D];山東大學;2015年

5 李修成;城市范圍內PM2.5時間預測研究[D];哈爾濱工業(yè)大學;2015年

6 王倩;非線性時間序列模型研究及實證分析[D];電子科技大學;2014年

7 劉洋;基于SVM修正的模糊時間序列模型在滬指預測中的應用[D];南京大學;2015年

8 尹小琴;基于支持向量機的混合時間序列模型的研究與應用[D];沈陽工業(yè)大學;2016年

9 馬云飛;多因素模糊時間序列預測模型的研究[D];大連海事大學;2016年

10 劉丑娟;基于變參數(shù)粒子群的模糊時間序列模型的研究[D];大連海事大學;2016年

，

本文編號：1346962