阈值自回归模型和阈值协整理论与方法研究 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

刘汉中 著

图书标签:

• 阈值模型
• 自回归
• 协整
• 时间序列
• 计量经济学
• 金融经济学
• 非线性模型
• 阈值回归
• 经济预测
• 模型研究

店铺： 北京爱读者图书专营店

出版社： 经济科学出版社

ISBN：9787514114423

商品编码：29496495828

包装：平装

出版时间：2011-12-01

基本信息

书名：阈值自回归模型和阈值协整理论与方法研究

定价：36.00元

作者：刘汉中

出版社：经济科学出版社

出版日期：2011-12-01

ISBN：9787514114423

字数：

页码：

版次：1

装帧：平装

开本：16开

商品重量：0.400kg

编辑推荐

---

内容提要

---

研究表明许多经济变量呈现出非线性动态调整机制，如果仍然采用线性自回归模型来描述这些经济变量的动态机制是不合适的，这无疑对经典时间序列分析方法论提出了新的挑战。近年来，阈值自回归(ThresholdAutoregression，TAR)方法已成为时间序列非线性建模的主要研究领域之一。TAR原理方法是基于“分段”线性逼近，即把时间序列分割成几个机制，每个机制上都采用不同的线性自回归模型进行逼近，刻画了时间序列在不同机制中呈现不同的动态特征。《阈值自回归模型和阈值协整理论与方法研究》针对阈值自回归和阈值协整的理论方法，研究各检验与估计方法的优缺点，对有关检验和估计方法进行改进，从理论上证明改进方法的适用性，并采取Monte—Cado模拟技术揭示新方法相对于旧方法的优越性。具体而言，本书共分8章内容，从各个方面研究阈值自回归和阈值协整理论方法。

目录

---

章　绪论
　节　研究意义
　第二节　外相关研究的总体状况
　第三节　本书的主要内容和创新之处
第二章　阈值自回归模型的估计与检验
　节　tar模型概述
　第二节　单方程两机制tar模型检验和估计
　第三节　单方程tar检验的mc模拟
　第四节　阈值向量自回归模型估计与检验
　第五节　tvar模型检验模拟
　第六节　tar模型中机制数确定和滞后阶选择
　第七节　tar模型和m—tar模型的应用研究
　第八节　本章小结
第三章　阈值自回归下的单位根检验可靠性研究
　节　各种常用的单位根检验
　第二节　阈值自回归模型
　第三节　非对称性和单位根检验
　第四节　monte—carlo模拟设计及其结果
　第五节　非参数方差比检验在非对称单位根检验中的适用性
　第六节　方差比检验和退势方法
　第七节　monte—carlo设计与模拟
　第八节　本章小结
第四章　两机制非对称单位根检验
　节　enders和granger(1998)的非对称单位根检验
　第二节　berben和dick van dijk(bvd)方法(1999)
　第三节　caner和hansen(2001)方法(ch)
　第四节　检验势和检验水平模拟
　第五节　rbb对eg法改进后的进一步研究
　第六节　各种方法优缺点及比较
　第七节　本章小结
第五章　三机制非对称单位根检验
　节　特殊三机制模型及理论基础
　第二节　两机制与特殊三机制tar模型的几何遍历性
　第三节　三机制的非对称单位根检验
　第四节　自助法在非对称单位根检验中的应用
　第五节　对改进后ks方法的mc模拟
　第六节　本章小结
第六章　阈值协整检验方法及其应用研究
　节　阈值协整的经济意义
　第二节　阈值协整检验方法概述
　第三节　非对称单位根检验与阈值协整检验
　第四节　eg(1998)方法在协整检验中的应用
　第五节　m．seo(2006)方法及其修正
　第六节　修正后的m．seo方法模拟
　第七节　阈值协整的应用研究
　第八节　本章小结
第七章　阈值自回归模型参数估计的小样本性质研究
　节　概述
　第二节　各种tar模型及其参数估计
　第三节　monte-carlo试验设计与模拟结果
　第四节　本章小结
第八章　阔值协整参数修正估计法的小样本性质比较研究
　节　概述
　第二节　阈值协整概述
　第三节　阈值协整参数的各种估计方法
　第四节　monte-carlo模拟设计与研究
　第五节　阈值协整中内生性解释变量下参数的推断研究
　第六节　本章小结
附录部分　eviews 5．0程序
参考文献
后记

作者介绍

---

文摘

---

序言

---

阈值自回归模型与阈值协整理论与方法研究：一本深入探索非线性时间序列模型的著作 本书记载了作者在阈值自回归（TAR）模型和阈值协整（TCR）理论及其相关方法上的深入研究成果。时间序列数据广泛存在于经济、金融、环境科学、工程技术等众多领域，对这些数据的建模和分析至关重要。传统的线性时间序列模型，如ARIMA模型，在描述平稳、线性的序列时表现出色，但面对现实世界中普遍存在的非线性现象，如状态突变、非对称性、时变性等，其解释力和预测能力便显得捉襟见肘。阈值自回归模型和阈值协整理论正是为解决这些挑战而生，它们提供了一种更为精妙的框架来捕捉和理解时间序列中的非线性动态。 第一部分：阈值自回归模型（TAR Models）的理论基础与构建 本书开篇，作者首先详细阐述了阈值自回归模型的基本概念、起源及其重要性。TAR模型的核心思想在于，时间序列的动态行为并非一成不变，而是根据某个或某几个“阈值变量”的不同取值而呈现出不同的线性规律。这意味着，模型将整个时间序列的动态过程划分为若干个子过程，每个子过程由一个独立的自回归（AR）模型来描述，而划分的标准即是阈值变量。 作者深入剖析了TAR模型的数学表达式，包括延迟滞后项、阈值变量的选择、以及不同状态下的AR参数。其中，阈值变量的选取是TAR模型构建的关键一步，它可以是序列自身的滞后项，也可以是外部的解释变量。本书对如何科学地选择阈值变量进行了详尽的探讨，包括基于信息准则（如AIC、BIC）的自动搜索方法，以及领域专家知识的引导。 接着，本书详细介绍了TAR模型的不同类型，尤其聚焦于简单阈值自回归模型（Simple TAR）和多重阈值自回归模型（Multi-TAR）。简单TAR模型通常将序列动态划分为两个或少数几个状态，而多重TAR模型则允许更细致的划分，以捕捉更复杂的非线性行为。作者不仅给出了这些模型的理论推导，还通过具体的例子说明了它们在不同情境下的适用性。 模型识别与估计是TAR模型应用中的核心环节。本书提供了系统性的方法来识别模型的阶数、阈值变量及其阈值。在参数估计方面，作者重点讲解了条件最小二乘法（Conditional Least Squares）等常用估计方法，并深入分析了估计量的渐近性质，包括一致性、渐近正态性等，为后续的统计推断奠定了坚实的基础。 此外，本书还讨论了TAR模型的模型诊断。这包括残差分析（如自相关、偏自相关）、异方差检验、正态性检验等，旨在评估模型的拟合优度，并识别潜在的模型缺陷。通过模型诊断，研究者可以判断TAR模型是否成功捕捉了序列的非线性特征，并为模型改进提供依据。 第二部分：阈值协整理论（TCR Theory）的深入探讨 在充分理解了TAR模型之后，本书将目光转向了多个时间序列之间的非线性关系，即阈值协整（Threshold Cointegration）。协整理论是分析经济学和金融学中长期均衡关系的重要工具。当两个或多个时间序列之间存在长期均衡关系时，它们就被称为协整。然而，现实世界的许多经济变量之间的关系并非总是线性的，而是可能呈现出非对称性或在特定条件下发生改变。阈值协整理论正是为了描述这种非线性的长期均衡关系而发展起来的。 作者首先回顾了经典的协整理论，如 Engle-Granger 两步法和 Johansen 检验，然后引出了阈值协整的必要性。阈值协整的核心在于，两个或多个时间序列之间的均衡关系可能不是恒定的，而是受到某个阈值变量的约束。当阈值变量处于某个区间时，序列之间存在协整；当阈值变量越过某个阈值时，这种协整关系可能会发生改变，甚至消失。 本书详细阐述了阈值协整向量（Threshold Cointegrating Vector）的概念，并区分了简单阈值协整（Simple TCR）和多重阈值协整（Multi-TCR）。简单TCR模型通常将均衡关系划分为两个状态，而多重TCR则允许更复杂的非线性动态。作者深入剖析了阈值协整模型的数学框架，包括均衡误差的阈值定义，以及在不同状态下误差修正项（Error Correction Term, ECT）的动态变化。 对于阈值协整的检验，本书提供了基于阈值变量的检验方法。与传统的协整检验不同，阈值协整检验需要同时检验是否存在长期均衡关系以及这种关系的非线性阈值特征。作者详细介绍了阈值选举准则和似然比检验等统计方法，以确定是否存在显著的阈值协整关系。 在参数估计方面，本书介绍了基于似然的方法来估计阈值协整模型中的参数，包括协整向量、阈值变量、阈值以及误差修正参数。同时，作者也强调了在进行估计时需要考虑的统计推断问题，如参数估计量的渐近性质和置信区间的构建。 第三部分：阈值模型与协整模型的整合与应用方法 本书的第三部分是本书的精华所在，它将TAR模型和TCR理论有机地结合起来，提出了阈值向量自回归（TVAR）模型以及误差修正阈值自回归（ECTAR）模型。TVAR模型将TAR模型的思想应用于协整向量的动态调整，而ECTAR模型则更进一步，将阈值协整的误差修正机制整合到TAR模型中，以更全面地刻画多变量之间复杂的非线性动态关系。 作者详细讲解了ECTAR模型的构建，包括如何定义均衡误差，如何确定阈值变量和阈值，以及在不同状态下误差修正项的系数如何变化。ECTAR模型能够同时捕捉到序列的短期非线性波动和长期非线性均衡关系，这在分析复杂的经济金融系统时具有重要的理论和实践意义。 在模型估计方面，本书深入探讨了ECTAR模型的两步估计法。第一步，通过某种方法（如经典协整检验或阈值协整检验）识别可能存在的长期均衡关系。第二步，将识别出的均衡误差作为阈值变量，利用TAR模型的估计方法来估计ECTAR模型。作者详细分析了这种两步估计法的统计性质，并指出了可能存在的偏差和改进方法。 本书还重点介绍了模型选择准则，包括如何根据数据特征和研究目的，在多种阈值模型和协整模型之间进行选择。信息准则（AIC、BIC）、似然比检验以及预测精度等都将被纳入模型选择的考量范围。 实证应用与案例分析 为了更好地展示本书的理论成果，作者在书中提供了丰富的实证分析案例。这些案例涵盖了宏观经济变量（如GDP、通货膨胀）、金融市场数据（如股票价格、利率）、以及环境监测数据等。通过这些案例，读者可以直观地看到如何将阈值自回归模型和阈值协整理论应用于实际问题，例如： 分析不同经济周期下宏观经济变量的动态行为：利用TAR模型捕捉经济增长、衰退等不同状态下的数据规律。 研究金融市场中的非对称性反应：例如，股票市场在上涨和下跌时，其波动性的表现可能不同，TAR模型可以揭示这种非对称性。 检验资产价格之间的非线性均衡关系：利用阈值协整模型分析资产价格是否在特定条件下保持均衡，以及这种均衡关系的改变机制。 构建更具预测能力的非线性时间序列模型：通过ECTAR模型，可以更准确地预测经济金融变量的未来走势。 这些案例不仅展示了模型的应用流程，还深入剖析了实证结果的经济学含义，帮助读者理解如何从模型输出中提取有价值的洞察。 本书的贡献与未来展望 本书在理论和方法上均有显著的贡献。在理论上，它系统地梳理和发展了阈值自回归模型和阈值协整理论，为理解和分析非线性时间序列数据提供了坚实的理论基础。在方法上，它提出了一系列更为精细的模型（如ECTAR）和估计、检验方法，增强了处理复杂非线性动态的能力。 本书适合于统计学、计量经济学、金融学、经济学以及相关领域的研究生、科研人员和高级实践者。对于希望深入了解时间序列建模技术，特别是能够处理非线性现象的研究者而言，本书无疑是一本不可多得的参考书。 展望未来，作者也对该领域的研究方向进行了思考，例如，如何更有效地处理高维时间序列的阈值协整问题，如何将阈值模型与机器学习方法相结合以提升预测性能，以及如何将阈值模型应用于更广泛的领域，如社会科学、生物医学等。 总而言之，本书是一部内容详实、理论严谨、方法创新的著作，它不仅为读者提供了理解和应用阈值自回归模型与阈值协整理论的全面指导，也为该领域未来的研究提供了宝贵的启示。

评分☆☆☆☆☆

这部著作的气质非常独特，它既有经典教科书的沉稳基调，又不乏对最新研究进展的敏锐捕捉。我尤其欣赏作者在讨论理论局限性时所展现出的坦诚。书中清晰地指出了当前方法在处理极端事件或长程依赖性时的潜在不足，并适当地展望了未来的研究方向。这种“知其然，更知其所以然，并知其所不能及”的写作态度，使得这本书超越了一般的技术手册。它像一位经验丰富的导师，引导读者在知识的海洋中辨明方向，鼓励我们带着问题意识去探索更广阔的未知领域。对于有志于在相关领域做出原创性贡献的探索者来说，这本书无疑是点燃灵感的火花。

评分☆☆☆☆☆

这部作品的出版，无疑为相关领域的学者和研究人员提供了一个宝贵的资源。它深入探讨了复杂系统建模的核心议题，尤其是对于那些在非线性环境下寻找稳定规律的探索者而言，无疑是一场知识的盛宴。作者的写作风格严谨而富有洞察力，将抽象的数学概念巧妙地融入到实际问题的分析之中，使得即便是初涉此领域的读者也能逐步领略其中的精髓。全书脉络清晰，逻辑推进自然，从基础理论的构建到复杂模型的推导，每一步都显得扎实而有说服力。它不仅仅是一本理论著作，更像是一本实践指南，引导读者如何用更精细的工具去刻画那些难以捉摸的现实世界现象。对于希望提升自身计量经济学或时间序列分析技能的人来说，这本书的价值是无可估量的。

评分☆☆☆☆☆

不得不提的是，本书在方法论上的严谨性达到了一个极高的水准。在涉及统计推断和检验的部分，作者的处理方式非常审慎，充分考虑了现实数据中存在的各种潜在偏差和信息缺失问题。这种对细节的执着，使得书中的每一个结论都建立在坚实的数理基础之上，大大增强了研究成果的可信度和可复现性。对于那些正在撰写高水平学术论文的研究生或青年学者而言，这本书提供的不仅是模型，更是一种规范的、批判性的研究态度。它教会我们如何以一种更加诚实和负责任的态度去面对数据中的不确定性，而非简单地追求“拟合优度”。这是一部值得反复咀嚼、常读常新的深度专著。

评分☆☆☆☆☆

这本书的结构安排极具匠心，它构建了一个从宏观理论到微观操作的完美闭环。作者没有急于抛出复杂的公式，而是先用引人入胜的案例说明为何传统线性模型在此类问题面前会显得力不从心，从而自然地引出所需新工具的必要性。这种教学设计使得知识的吸收过程变得既高效又富有乐趣。读罢全书，我最大的体会是，作者不仅传授了“如何做”，更重要的是启发了“为何要这样做”。对于那些习惯于直接套用软件包默认设置的研究者来说，这本书无疑是一剂清醒剂，促使我们回归模型的本质，理解参数背后的经济或物理含义。它对研究范式的革新作用，不容小觑。

评分☆☆☆☆☆

阅读这本书的过程中，我深感作者在处理跨学科知识融合方面的功力。那种将看似独立的统计学原理与实际的经济或金融数据结构完美契合的叙事手法，着实令人拍案叫绝。它没有停留在对已有模型的简单复述，而是致力于开辟新的研究路径，尤其是在处理数据中突变点（regime shifts）的识别和建模上，展现了非凡的深度和广度。书中对具体案例的剖析细致入微，通过详尽的数学推导和直观的图形解释，有效地降低了理解这些前沿理论的门槛。对于任何一个致力于在数据驱动决策领域深耕的专业人士，这本书都应被视为案头必备的参考书目，它所提供的思维框架和分析工具，足以武装读者应对未来更具挑战性的建模任务。