在傳統(tǒng)的時間序列研究過程中，曾經(jīng)有人提出運用時間序列的不同成分來對其進行分析，該種方法是由Perosons 所提出。主要就是將時間序列分為幾個步驟，分別是長期趨勢、循環(huán)變動、季節(jié)變動以及隨機變動，在研究時間序列的時候，就是將這些因素視為確定性的，然后再對其展開具體的分析和研究。這種研究方法是早期人們的思想，后來到了二十世紀七十年代的時候，這種時間序列的研究方法已經(jīng)被人們所拋棄取而代之的則是將長期趨勢、循環(huán)變動、季節(jié)變動以及隨即變動等因素視為隨機因素進行研究。這就出現(xiàn)了平均模型、自回歸模型、自回歸移動平均模型以及求和自回歸移動平均模型。

平穩(wěn)性一般都是嚴平穩(wěn)性和弱平穩(wěn)性的分別，其主要就是區(qū)分單個時期分布和多個時期分布等，平穩(wěn)性是不隨著時間變化而變化。無論是嚴平穩(wěn)性還是弱平穩(wěn)性，既有著相同之處，也有著一定的差異性。其中嚴平穩(wěn)的要求一般相對嚴格，不容易進行檢驗，尤其是在計量經(jīng)濟模型中，一些經(jīng)濟學研究者往往更加傾向于研究不變量的數(shù)值，對于一些變量的數(shù)值并不去進行研究，大多數(shù)的情況下，所研究的時間序列都是弱平穩(wěn)的，對其方差、自協(xié)方差、均值等數(shù)值進行研究，進而確定其線性是否是平穩(wěn)序列［1］。

( 二) 遍歷性。

從微觀的角度上來看，序列的平穩(wěn)性有效保證了序列具有不隨時間變化的性質(zhì)，人們通常研究的均值、方差和自協(xié)方差具有一定的特性，那么如何運用這些數(shù)據(jù)來更好地分析一個樣本中的其他數(shù)據(jù)呢? 這就是研究人員所研究的一個新內(nèi)容，其中可以應用到樣本估計總體參數(shù)，但是這種評估并不具有代表性，只是能夠有一個具體的參照范圍。通常情況下遍歷性對于時間間隔有著嚴格的要求，通過實驗可以發(fā)現(xiàn)，當時間間隔逐漸趨向于無窮大時，序列將會逐漸趨向于獨立分布，可見時間序列并不存在長期規(guī)律性，有關研究人員應該進一步探索其中的奧秘，通過一些特殊的研究方式來分析時間序列。

( 三) 序列相關性。

時間序列之間是否存在相關性是值得研究和思考的，有關研究人員發(fā)現(xiàn)，分析不同時期的序列取值發(fā)現(xiàn)，其序列之間不存在一定的聯(lián)系，這種不存在聯(lián)系的時間序列為白噪聲序列( purer andom or white noise precess) ，也就是沒有研究和分析價值的序列。所以在對時間序列進行分析和研究的時候，首先就需要考慮其是否是白噪聲序列，如果是就沒有研究價值，如果不是就可以對其進行研究，探索其序列的相關性。

????

自回歸模型可分為p 階自回歸模型，記為AＲ模型，下面以 AＲ模型為例進行具體的描述。

AＲ 模型描述在同一樣本期間內(nèi)的 n 個變量( 內(nèi)生變量)可以作為它們過去值的線性函數(shù)。

例如: Yt = α + βXt － 1 + ut，t = 1，2，…，n。

本例中Y 的現(xiàn)期值與X 的一期滯后值相聯(lián)系，比較一般的情況是:Yt = α + β0Xt + β1Xt － 1 + …… + βs Xt － s + ut，t = 1，2，…，n。即Y 的現(xiàn)期值不僅依賴于X 的現(xiàn)期值，而且依賴于X 的若干期滯后值。這類模型稱為分布滯后模型，因為X 變量的影響分布于若干周期。

( 二) 自回歸移動平均模型和求和自回歸移動平均模型。

自回歸移動平均模型和求和回歸移動平均模型有著一定的差異性，其中自由回歸部分主要就是用來判斷模型的穩(wěn)定性，而移動平均部分將會決定著AＲMA 模型是否可行，兩者之間有著相輔相成的關系。平穩(wěn)序列的建立和序列的分析也應該根據(jù)具體的研究內(nèi)容來展開，在確定具體的非平穩(wěn)序列移動趨勢時，研究者應該剔除確定性趨勢，這樣所得出的研究結果才會更具有準確性［2］。

( 一) DF 檢驗。

單位根檢驗早就有人提出，最早是由Dickey Fuller 提出的，所以稱之為DF 檢驗，在研究時間序列的時候，DF 主要研究的方向是AＲ模型，其研究在計量經(jīng)濟學方面有了卓越性的貢獻。對于計量經(jīng)濟學來說，時間序列有些時候會處于一個非平穩(wěn)的發(fā)展方向，也就是時間序列并在非平穩(wěn)性，有些檢驗統(tǒng)計并不服從t 分布，所以該種檢驗方法存在著一定的弊端，后期有人逐漸對該種檢驗方法進行了重新的研究和規(guī)劃，并且運用了非參數(shù)方法來修正其中的一些誤差序列［3］。

( 二) ADF 檢驗。

ADF 檢驗和 DF 檢驗在某些程度上具有相同性，因為其原假設備和備選假設都是一樣的。為了更好地保證計量經(jīng)濟學在時間序列中發(fā)揮出更多的作用和價值，人們就應該先確認差分，要確保差分后的序列具有一定的平穩(wěn)性，這樣所研究出的數(shù)據(jù)和實踐序列也是具有參考價值的，如果在假設的過程中，單位根假設被拒絕，則降低差分的階數(shù)也將會被拒絕，遇到這種情況就應該不斷降低差分的階數(shù)，直到不能假設為止。

( 三) 其他檢驗方法。

從宏觀的角度上來看，時間序列通常情況下都會趨向于一個平穩(wěn)的發(fā)展方向，所以在對單位計量學進行假設的時候，就應該充分認識到這一問題，單位根假設在計量經(jīng)濟學中被人們視為一項十分重要的內(nèi)容，也得到了世界各國經(jīng)濟學者的重視。隨著社會的不斷發(fā)展和研究的不斷深入，計量經(jīng)濟學單位根檢驗的方式也逐漸增多。

一元時間序列的應用領域較為廣闊，其最為主要的應用價值就是可以預測，例如可以預測國家的國債經(jīng)濟收益，計算其收益率等，這些都是一元時間序列所具備的基本能力。需要注意的是，在對時間序列進行分析的時候，首先需要考慮其是否是白噪聲序列，如果是白噪聲序列則不必對其進行分析，因為其不存在穩(wěn)定性，分析是沒有價值的。近些年一元時間序列在我國經(jīng)濟領域中具有非常重要的發(fā)展前景和發(fā)展趨勢，也受到了其他國家經(jīng)濟學者的高度重視，隨著科學技術的不斷發(fā)展，計量經(jīng)濟學與時間序列的研究也更加深入，在未來的發(fā)展中，時間序列將會有著更加卓越的研究成果［4］。

綜上所述，本文主要論述了計量經(jīng)濟學方法下的時間序列等內(nèi)容，通過分析可以發(fā)現(xiàn)，時間序列的分析實際上已經(jīng)成為了經(jīng)濟學中的重要內(nèi)容，無論是AＲ、MA、AＲMA 還是AＲIMA 都具有自身的模型特點，在對其進行分析的時候，都應該充分考慮各種影響因素，在未來的發(fā)展中，這些時間序列將會解決很多經(jīng)濟上的難題，也將會開發(fā)出一個新的研究領域，為更多科學管理的研究給予幫助。

［1］許旭松，熊保平，龍湖．用 RBF神經(jīng)網(wǎng)絡確定上海故事分形維數(shù)［J］．武漢大學學報( 理學版) ，2013，5: 134 ～ 138

［2］趙海英，劉錦泉，劉漢．我國實際產(chǎn)出序列非對稱性和非線性特征的統(tǒng)計檢驗———基于時域變模型的檢驗分析［J］．技術經(jīng)濟，2014，12: 109 ～ 111

［3］PESONWM． Indices of business conditions［J］．Ｒeview ofEconomicStatistics，2010，

［4］陳巖松，馬麗麗．中國股市長期記憶性的檢驗及記憶長度的度量［J］．統(tǒng)計與決策，2013，10: 212 ～ 218