第十章第十章 时间序列数据的基本回归分析时间序列数据的基本回归分析10.1 时间序列数据的性质我们应该怎样认识时间序列数据的随机性？回答：很明显，经济时间序列满足作为随机变量结果所要求的直观条件，这些变量的结果都无法事先预料到。（例如，我们今天不知道道琼斯工业指数在下一个交易日收盘时会是多少，我们也不知道加拿大下一年的年产出增长会是多少。）规范地，一个标有时间脚标的随机变量序列被称为一个随机过程随机过程（stochastic process）或时间序列过程时间序列过程（time series process）。10.2 时间序列回归模型的例子1、静态模型、静态模型我们将有两个变量（例如y和z）的时间序列数据标注相同的时期，将这样的y和z联系起来即为一个静态模静态模型型（static model）：“静态模型”的名称来源于我们正在模型化y和z的同期关系的事实。在一个静态回归模型中也可以有几个解释变量。2、有限分布滞后模型、有限分布滞后模型在有限分布滞后模型（finite distributed lag model，FDL）中，我们容许一个或多个变量对y的影响有一定时滞。考察一个二阶FDL
