![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
假设两时间序列Xt与Yt都是随机游走序列。证明:如果Xt与Yt是协整的,则Xt与Yt-1也是协整的。
假设两时间序列Xt与Yt都是随机游走序列。证明:如果Xt与Yt是协整的,则Xt与Yt-1也是协整的。
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
假设两时间序列Xt与Yt都是随机游走序列。证明:如果Xt与Yt是协整的,则Xt与Yt-1也是协整的。
假设两时间序列Xt与Yt都是I(1)序列,但对某个不为0的β,使Yt-βXt是I(0)。证明:对于任何δ≠β,组合Yt-δXt一定是I(1)的。
B.在进行趋势拟合时,假定序列中不存在周期项,即xt等于趋势值Tt加上残差项Rt
C.在进行趋势拟合时,我们希望误差项是一个白噪声序列,也就是不含什么信息的序列,从统计学的角度看,就是这个序列的均值为零,或者接近于零,它的方差为一个常数
D.趋势项序列Tt可能是线性特征的或者呈非线性特征,因此,趋势拟合法又有线性拟合和非线性拟合之分,对应假设Tt为关于t的线性函数和非线性函数形式
E.在趋势拟合中的t表示时序,可以从零开始取值,也可以从1开始取值。尽管在一些模型中,比如线性模型可以直接用年份为自变量,也可以用时序为自变量,但是在另一些模型中如指数模型、Logistic模型则不宜直接用年份为自变量
A.±2min
B.±5min
C.±10min
D.±15min
A.异方差性
B.序列相关
C.不完全的多重共线性
D.完全的多重共线性
令(yt:t=1,2,…)像在教材(11.20)中那样服从一个随机游走过程,且y0=0。证明:。
A.它是在算术平均数的基础上发展起来的一种简单平滑预测技术
B.它是根据时间序列资料,逐项推移,依次计算包含一定项数的时间序列平均值,以反映长期趋势的方法
C.适用于分析受周期变动和随机波动的影响起伏较大,不易显示出事件的发展趋势的时间序列数值
D.通过对事件的发展方向与趋势(即趋势线)分析预测序列的长期趋势
A.序列的完全相关
B.序列不完全相关
C.完全多重共线性
D.不完全多重共线性
A.都是根据变量值大小排列的
B.前者是根据变量值大小排列的,后者是根据时间顺序排列的
C.都是根据时间顺序排列的
D.前者是根据时间顺序排列的,后者是根据变量值大小排列的