时间序列数据的其他问题时间序列分析与横截面分析比较•在经典线性模型假定TS.1~TS.6下，时间序列的OLS具有与横截面数据条件下同样令人满意的有限样本性质，统计推断的方法也与横截面分析中的一样。•大样本分析在时间序列的情况下显得更加重要。但时间序列问题的大样本分析比横截面问题的大样本分析难得多，因为不同时间上的观测值可能相关。–时间序列下的极限定理成立与否的关键在于，不同时期的变量之间的相关性是否足够快地趋于零。平稳性•协方差平稳过程•平稳性评价•弱相依•弱相依评价•一阶移动平均过程（MA）•一阶自回归过程（AR(1)）•一阶自回归过程（AR(1)）•趋势-平稳过程•OLS的渐近性质•对OLS渐近性质的分析•在上述假定下，OLS估计量是一致的，但不是无偏的。•与之前的定理相比，此处的解释变量不是必须外生的，只需同期外生，但要求潜在的时间序列是弱相依的。•严格外生假定下，不需要渐近理论；同期外生假定下，需要渐近理论作为依据。–只要使用的时间序列是弱相依的，则常见的OLS推断程序在比CLM更弱的假定下生效。–如果数据不是弱相依的，则无法借助大数定律和中心极限定理；此时常见的OLS推断程序必须在CLM假定满足时才能生效。•同期外生假定：允许反馈机制的存在（当期因变量对自变量的将来值有反馈作用）。大样本推断•例：有效市场假说EMH•高度持久时间序列••单位根过程•有漂移的随机游走模型•高度持久时间序列的变换•判断时间序列是否一阶积整•例：生育方程•动态完整模型•动态完整模型•有序列相关误差的OLS性质•无偏性和一致性–只依赖于TS.1~TS.3，故序列相关与否不会影响OLS估计量的无偏性和一致性–解释变量是严格外生的，则OLS估计量是无偏且一致的–解释变量是同期外生的，且数据是弱相依的，则OLS估计量是一致的（不一定无偏）•效率和推断–依赖于假定TS.4和假定TS.5（即无序列相关假定），故序列相关与否会影响OLS估计量的有效性和统计推断。–效率——序列相关的情况下，OLS不再是BLUE的了。–推断——序列相关的情况下，OLS标准误和检验统计量不再渐近生效。•当误差有较高的序列正相关，或解释变量有较高的正的序列相关性时，通常的OLS方差估计量低估了真实方差，此时t统计量通常过大。•其他序列相关情形下，通常的OLS方差估计量也可能高估真实方差。AR(1)模型••自相关的检验（图解法）图解法：时间序列图（TimeSequenceplot):将残差对时间描点。如图（a）所示，扰动项的估计值呈循...
