1楼：飞翔的院长
第一张图是ma，因为自相关系数是截尾的。并且阶数是1，因为p阶ma的自相关系数从p+1处开始为0；
第二张图是ar，因为自相关系数是依阶数增长而收敛的。观察其偏相关性，在2阶以后截断，所以是2阶的
2楼：
ma(1),ar(2)
ma的话acf有spikes，pacf递减，acf有1个spike 所以ma（1）
ar： acf递减 pacf有spike，pacf有两个spikes 所以ar（2）
计量经济学教学**（分全给）
3楼：匿名用户
http://video.1kejian.***/university/jingguan/27908/
4楼：匿名用户
月月月月月月月月月月月
如何验证一时间序列是服从随机游走的？
5楼：匿名用户
1、时间序列取自某一个随机过程，如果此随机过程的随机特征不随时间变化，则我们称过程是平稳的；假如该随机过程的随机特征随时间变化，则称过程是非平稳的。2、宽平稳时间序列的定义：设时间序列，对于任意的,和，满足：
则称宽平稳。3、box-jenkins方法是一种理论较为完善的统计**方法。他们的工作为实际工作者提供了对时间序列进行分析、**，以及对arma模型识别、估计和诊断的系统方法。
使arma模型的建立有了一套完整、正规、结构化的建模方法，并且具有统计上的完善性和牢固的理论基础。4、arma模型三种基本形式：自回归模型（ar：
auto-regressive），移动平均模型（ma：moving-average）和混合模型（arma：auto-regressivemoving-average）。
（1）自回归模型ar(p)：如果时间序列满足其中是独立同分布的随机变量序列，且满足：，则称时间序列服从p阶自回归模型。
或者记为。平稳条件：滞后算子多项式的根均在单位圆外，即的根大于1。
（2）移动平均模型ma(q)：如果时间序列满足则称时间序列服从q阶移动平均模型。或者记为。
平稳条件：任何条件下都平稳。（3）arma(p,q)模型：
如果时间序列满足则称时间序列服从(p,q)阶自回归移动平均模型。或者记为。特殊情况：
q=0,模型即为ar(p)，p=0,模型即为ma(q)。二、时间序列的自相关分析1、自相关分析法是进行时间序列分析的有效方法，它简单易行、较为直观，根据绘制的自相关分析图和偏自相关分析图，我们可以初步地识别平稳序列的模型类型和模型阶数。利用自相关分析法可以测定时间序列的随机性和平稳性，以及时间序列的季节性。
2、自相关函数的定义：滞后期为k的自协方差函数为：，则的自相关函数为：
，其中。当序列平稳时，自相关函数可写为：。3、样本自相关函数为：
，其中，它可以说明不同时期的数据之间的相关程度，其取值范围在-1到1之间，值越接近于1，说明时间序列的自相关程度越高。4、样本的偏自相关函数：其中，。
5、时间序列的随机性，是指时间序列各项之间没有相关关系的特征。使用自相关分析图判断时间序列的随机性，一般给出如下准则：①若时间序列的自相关函数基本上都落入置信区间，则该时间序列具有随机性；②若较多自相关函数落在置信区间之外，则认为该时间序列不具有随机性。
6、判断时间序列是否平稳，是一项很重要的工作。运用自相关分析图判定时间序列平稳性的准则是：①若时间序列的自相关函数在k>3时都落入置信区间，且逐渐趋于零，则该时间序列具有平稳性；②若时间序列的自相关函数地落在置信区间外面，则该时间序列就不具有平稳性。
7、arma模型的自相关分析ar(p)模型的偏自相关函数是以p步截尾的，自相关函数拖尾。ma(q)模型的自相关函数具有q步截尾性，偏自相关函数拖尾。这两个性质可以分别用来识别自回归模型和移动平均模型的阶数。
arma(p,q)模型的自相关函数和偏相关函数都是拖尾的。
三、单位根检验和协整检验1、单位根检验①利用迪基—福勒检验（dickey-fullertest）和菲利普斯—佩荣检验（philips-perrontest）,我们也可以测定时间序列的随机性，这是在计量经济学中非常重要的两种单位根检验方法，与前者不同的事，后一个检验方法主要应用于一阶自回归模型的残差不是白噪声，而且存在自相关的情况。②随机游动如果在一个随机过程中，的每一次变化均来自于一个均值为零的独立同分布，即随机过程满足：，，其中独立同分布，并且：
，称这个随机过程是随机游动。它是一个非平稳过程。③单位根过程设随机过程满足：
，，其中，为一个平稳过程并且，，。2、协整关系如果两个或多个非平稳的时间序列，其某个现性组合后的序列呈平稳性，这样的时间序列间就被称为有协整关系存在。这是一个很重要的概念，我们利用engle-granger两步协整检验法和j很高兴回答楼主的问题如有错误请见谅
6楼：七七系列
麻烦先看看基本的统计学再问这种问题吧...
计量经济学中的自相关指什么啊？
7楼：恋劳
如果随机误差项的各期望值之间存在着相关关系，这时，称随机误差项之间存在自相关性（autocorrelation）或序列相关。
对于模型 y t= b0 +b1x1t+b2x2t+……bkxkt+ut
如果随机误差项的各期望值之间存在着相关关系，即
cov(ut,us)=e(utus) ≠ 0 (t,s=1,2,……k)
这时，称随机误差项之间存在自相关性（autocorrelation）或序列相关。
随机误差项的自相关性可以有多种形式，其中最常见的类型是随机误差项之间存在一阶自相关性或一阶自回归形式，即随机误差项只与它的前一期值相关：cov(ut,u t-1) =e（ut,u t-1) =/= 0,或者u t=f(u t-1),则称这种关系为一阶自相关。
一阶自相关性可以表示为
ut= p1 u i-1 + p2 u i-2 + p3 u i-3 + …… p p u t-p + v t
称之为p 阶自回归形式，或模型 存在 p 阶自相关
由于无法观察到误差项 u t,只能通过残差项 e t来判断 u t 的行为。如果 u t或 e t呈出下图(a) -(d) 形式，则表示u t 存在自相关，如果 ut 或et 呈现图中 (e) 形式，则 表示 u t不存在自相关
线性回归模型中的随机误差项的序列相关问题较为普遍，特别是在应用时间序列资料时，随机误差项的序列相关经常发生。
自相关性产生的原因：
线性回归模型中随机误差项存在序列相关的原因很多，但主要是经济变量自身特点、数据特点、变量选择及模型函数形式选择引起的。
1.经济变量惯性的作用引起随机误差项自相关
2.经济行为的滞后性引起随机误差项自相关
3.一些随机因素的干扰或影响引起随机误差项自相关
4.模型设定误差引起随机误差项自相关
5.观测数据处理引起随机误差项序列相关
自相关的后果：
线性相关模型的随机误差项存在自相关的情况下，用ols（普通最小二乘法）进行参数估计，会造成以下几个方面的影响。
从高斯-马尔可夫定理的证明过程中可以看出，只有在同方差和非自相关性的条件下，ols估计才具有最小方差性。当模型存在自相关性时，ols估计仍然是无偏估计，但不再具有有效性。这与存在异方差性时的情况一样，说明存在其他的参数估计方法，其估计误差小于ols估计的误差；也就是说，对于存在自相关性的模型，应该改用其他方法估计模型中的参数。
1.自相关不影响ols估计量的线性和无偏性，但使之失去有效性
2.自相关的系数估计量将有相当大的方差
3.自相关系数的t检验不显著
4.模型的**功能失效
如何判断数据存在自相关性
a. 用相关计量软件: 比如说e-views检查残差的分布。
如果残差分布具有明显和圆润的线性分布图像， 说明自相关性存在的可能性很高。反之， 无规则波动大的分布图像显示出相关性微弱。
b.durbin-watson statistics(德宾—瓦特逊检验)： 假设time series模型存在自相关性，我们假设误差项可以表述为 ut=ρ*ut-1+ε.
利用统计检测设立假设，如果ρ=o.则表明没有自相关性。durbin-watson统计量（后面建成dw统计量）可以成为判断正、负、零（无）相关性的工具。
dw统计量： d=∑(ut-ut-1)^2/∑ut^2≈2*(1-ρ).如果d=2则基本没有自相关关系，d靠近0存在正的相关关系，d靠近4则有负的相关关系。
c. q-statistics 以（box-pierce)- eviews( 7th version第七版本）为例子： 很多统计计量软件软件提供q test来检测，这里用eviews为例子。
q的统计量（test statistics）为 q=n*∑ρ^2. 零假设null hypothesis h0=0和方法2的含义一样。如果零假设证明失败，则对立假设ρ≠0成立，意味着有自相关性。
如何减弱模型的自相关性
方法一（gls or fgls）： 假设存在自相关性的模型，误差项之间的关系为：ut=ρ*ut-i+ε（ε为除了自相关性的误差项，i.
i.d~（0,σ）. t时期的模型为 yt=βxt+ut, t-1时期则为 ρ*yt-1=ρ*βxt-1+ρ*ut-t。
用t时期的减去t-1时期的可得出yt-yt-1=β(xt-xt-1)+(ut-ut-1).已知 ut-ut-i=ε。经过整理后新的模型满足gauss-makov的假设和，white noise condition （同方差性或者等分散），没有自相关性。
方法二（hac：heteroscedasticity autocorrelation consistent): 以eviews为例子，在分析模型时选择hac，在模型中逐渐添加time lag的数目，来校正dw统计量达到正常值减少自相关性。
8楼：匿名用户
自相关指的是被解释变量与其自身前期滞后的相关性。在计量中，通常用随机干扰项的自相关来衡量，即u(t)=a*u(t-1)
计量经济学f,r^2,p,t经济含义
9楼：匿名用户
f统计量
是模型的 r2是拟合度 p是概率 t是对变量做检验对应的统计量
因为f=（r2/q）/（（1-r2）/(n-k-1)),所以r2=0时,f=0.讲的更具体点：r2和f统计量都是衡量拟合优度的.当方程完全不拟合时,r2和f统计量都为0.
请教几个计量经济学的判断题,请教几个计量经济学的问题
1楼 匿名用户 第一题应该是错的，因为我们不可能得到一个问题的整个总体数据，我们只能得到其样本值，估计样本回归方程。 第二个题应该是错的，就算是总体回归函数给出的也不是对应于每一个自变量的因变量的值，而是给出的估计值，或说理论值 期望值。 第三题是应该是错误的，单纯的回归模型里，就算相关系数很高，统...
如何判断string型的字符串变量和常
1楼 花落慕斯姝 c库提供了一些函数，可以用来判断一个字符是不是数字。不过并没有提供用来判断一个字符串的函数。所以你需要自己遍历字符串，用ctype库提供的函数来判断字符串中的每一个字符。 很简单事，一个循环就可以。 ctype提供的函数有 isalnum check if character is...
计量经济学半对数模型系数的含义,计量经济学中简单线性模型、对数模型、半对数模型的含义 多元线性回归回归方程的显著性检验（单个系数与联
1楼 军少 根据半对数模型，x1每增加一个单位，y是增加0 3 个单位 计量经济学中简单线性模型 对数模型 半对数模型的含义 多元线性回归回归方程的显著性检验 单个系数与联 2楼 匿名用户 简单线性 等式两边都不取对数 对数 等式两边都取对数 半对数 等式一边取对数 显著性检验 单个系数t检验，联合...