时间序列分析讲义第资料章资料差分方程
(整理)时间序列分析讲义__第01章_差分方程.
第一章 差分方程差分方程是连续时间情形下微分方程的特例。
差分方程及其求解是时间序列方法的基础，也是分析时间序列动态属性的基本方法。
经济时间序列或者金融时间序列方法主要处理具有随机项的差分方程的求解问题，因此，确定性差分方程理论是我们首先需要了解的重要内容。
§1.1 一阶差分方程假设利用变量t y 表示随着时间变量t 变化的某种事件的属性或者结构，则t y 便是在时间t 可以观测到的数据。
假设t y 受到前期取值1-t y 和其他外生变量t w 的影响，并满足下述方程：t t t w y y ++=-110φφ (1.1)在上述方程当中，由于t y 仅线性地依赖前一个时间间隔自身的取值1-t y ，因此称具有这种结构的方程为一阶线性差分方程。
如果变量t w 是确定性变量，则此方程是确定性差分方程；如果变量t w 是随机变量，则此方程是随机差分方程。
在下面的分析中，我们假设t w 是确定性变量。
例1.1 货币需求函数 假设实际货币余额、实际收入、银行储蓄利率和商业票据利率的对数变量分别表示为t m 、t I 、bt r 和ct r ，则可以估计出美国货币需求函数为：ct bt t t t r r I m m 019.0045.019.072.027.01--++=-上述方程便是关于t m 的一阶线性差分方程。
可以通过此方程的求解和结构分析，判断其他外生变量变化对货币需求的动态影响。
1.1.1 差分方程求解：递归替代法差分方程求解就是将方程变量表示为外生变量及其初值的函数形式，可以通过以前的数据计算出方程变量的当前值。
由于方程结构对于每一个时间点都是成立的，因此可以将(1.1)表示为多个方程：0=t ：01100w y y ++=-φφ 1=t ：10101w y y ++=φφt t =：t t t w y y ++=-110φφ依次进行叠代可以得到：1011211010110101)()1()(w w y w w y y ++++=++++=--φφφφφφφφ0111122113121102)1(w w w y y φφφφφφφ++++++=-i ti i t t i it w y y ∑∑=-=++=011110φφφφ (1.2)上述表达式(1.2)便是差分方程(1.1)的解，可以通过代入方程进行验证。
时间序列分析法讲义
2004
(4) 1451604 1494570 1478651 1577307 6002132
季别累计
(5) 5277839 5503950 5333203 5724816 21839808
季别平均 季节指数
(6) 1319460 1375988 1333301 1431204 1364988
(7) 0.9666 1.0081 0.9768 1.0485 4.0000
97
8
20 -1 503 - 1
07
50
3
20 0 526 0 0 08
20 1 559 55 1
09
9
解：设t表示年次，y表示年发电量，则方成为：y=a+bt
a y 2677 535.4
n5
b ty 278 27.8 t 2 10
y=535.4+27.8t
当t=3时，y=618.8
指数平滑法是生产预测中常用的一种方法。 也用于中短期经济发展趋势预测，
(1) 一次指数平滑法（单重指数平滑法）
X t1
S (1) t
X t
(1
)S
(1) t 1
一次指数平滑法的初值的确定有几种方法
(A) 取第一期的实际值为初值（数据资料较多）；S0(1) X1 (B) 取最初几期的平均值为初值（数据资料较少）。
2、指数的分类 （1）个体指数：反映某一具体经济现象动态变动的相
对数
（2）综合指数：反映全部经济现象动态变动的相对数
（3）数量指标指数：它是表明经济活动结果数量 多少的指数。
（4）质量指标指数：它是表明经济工作质量好坏 的指数。
（5）定基指数：它是指各个指数都是以某一个固 定时期为基期而进行计算的一系列指数。
时间序列分析课件讲义共85页
时间序列分析课件讲义
11、获得的成功越大，就越令人高兴 。野心 是使人 勤奋的 原因， 节制使 人枯萎 。 12、不问收获，只问耕耘。如同种树 ，先有 根茎， 再有枝 叶，尔 后花实 ，好好 劳动， 不要想 太多， 那样只 会使人 胆孝懒 惰，因 为不实 践，甚 至不接 触社会 ，难道 你是野 人。(名 言网) 13、不怕，不悔地为每一个人祝福 。我爱 自己， 我用清 洁与节 制来珍 惜我的 身体， 我用智 慧和知 识充实 我的头 脑。 15、这世上的一切都借希望而完成。 农夫不 会播下 一粒玉 米，如 果他不 曾希望 它长成 种籽； 单身汉 不会娶 妻，如 果他不 曾希望 有小孩 ；商人 或手艺 人不会 工作， 如果他 不曾希 望因此 而有收 益。-- 马钉路 德。
1、最灵繁的人也看不见自己的背脊。——非洲 2、最困难的事情就是认识自己。——希腊 3、有勇气承担命运这才是英雄好汉。——黑塞 4、与肝胆人共事，无字句处读书。——周恩来 5、阅读使人充实，会谈使人敏捷，写作使人精确。——培根
第章差分方程
xt iti i0
其中，t 为常数（某些可取零），序列 t 不是 yt 的函数。
于是，可以认为 { t }只不过是一个未取定外生变量的序列。
令 0 1, 1 2 0 ，则得到自回归方程
yt a0 a1 yt1 a2 yt2 an ytn t
令 n 1, a0 0, a1 1 ，则得到随机游走模型
考虑初始条件 y0已知的一阶差分方程
a. 向前迭代
yt a0 a1 yt1 t
y1 a0 a1 y0 1
（1.17）
y2 a0 a1 y1 2 a0 a1(a0 a1 y0 1) 2 a0 a0a1 a12 y0 a11 2
y3 a0 a1 y2 3 a0 a1(a0 a0a1 a12 y0 a11 2 ) 3
类似地，可以定义 n 阶差分 (n )。
记号： 为了方便，通常将整个序列 {, yt2 , yt1, yt , yt1, yt2 ,} 表示成 {yt}。
II. 差分方程的形式
考虑 n 阶常系数线性差分方程，其一般形式可以表 示为
n
yt a0 ai yti xt i1
（1.10）
其中，xt 项称为推动过程，其形式非常广泛，可以是时 间、其它变量的当期值或滞后值，和（或）随机干扰项 的任一函数。{xt} 的一个重要特例是
究时间序列的一个重要方法。
III. 差分方程的解
差分方程的解是将未知项 yt 表示为序列{xt}中的元素和t （也可以和序列 { yt }的一些给定值，即初始条件）的一 个已知函数，使得代入到差分方程之中，满足方程式。
例1： yt 2 或 yt yt1 2
易知，yt 2t c 是该差分方程的解。这里，c为任意 常数。因此，其解有很多或不唯一。
时间序列分析讲义(上)
--- 得到非纯随机的无周期平稳时间序列数据，用于建模。
18
第二章 时间序列的预处理
2.1 纯随机性检验
原假设：延迟期数不超过 m期的序列值之间相互独立
H 0 ： 1 2 m 0 , m 1
检验统计量 QLBn(n2)km 1(nˆk2k)~2(m)
ˆk截 尾 的 临 界 值 是 2n
q
12
2 l
l1
ˆkk截尾的临界值是
2 n
44
例3.1（例2.2续） 选择合适的模型ARMA拟合 1950年——1998年北京市城乡居民定期储蓄比 例序列。
序列自相关图
45
序列偏自相关图
46
拟合模型识别：
• 自相关图显示延迟3阶之后，自相关系数全部衰减到2 倍标准差范围内波动，这表明序列明显地短期相关。 但序列由显著非零的相关系数衰减为小值波动的过程 相当连续，相当缓慢，该自相关系数可视为不截尾
时序图1.3符合白噪声序列特征
13
若满足时间序列满足: XnTXn, nT 称该时间序列是周期为T的时间序列.
注1：若时间序列是周期为T的时间序列,则其均值函 数和自相关函数都是周期的,T为其周期。
时序图1.2符合周期序列特征
14
实际中我们得不到一个时间序列的完整性信 息，因此不能计算理论均值和自相关函数。但我 们能获取时间序列的一个样本，因此我们需要根 据样本来计算样本的均值和样本自相关函数。
15
1.4 时间序列的样本均值与样本自相关函数
假设已经得到了时间序列的一段样本观察值x1, x,..., xN N 称为样本长度。
时间序列的样本均值：
x
1 N
哈密尔顿的时间序列分析第1章_差分方程
时间序列分析---汉密尔顿（1994）第一章 差分方程1.1一阶差分方程-1t =+w t t y y φ （1.1.1）例子：戈德费尔德（1973）估计的美国货币需求函数：t ct :I ::r :t m bt 公众持有真实货币的对数总真实收入的对数银行账户利率的对数商业票据利率的对数r-1t bt ct =0.27+0.72+0.19I -0.045r -0.019r t t m m （1.1.2） 这相当于：t =,=0.72,=0.27+0.19-0.045-0.019t t t bt ct y m w I r r φ且有在第1和第2章的讨论中，输入变量{}12,,......w w 将简单的视为一个确定性数值的序列。
递归替代法解差分方程0 0-10=+w y y φ （1.1.3） 1 101=+w y y φ （1.1.4） 2 212=+w y y φ （1.1.5） 。
t t-1t =+w t y y φ （1.1.6）因此有：2101-101-101=+w =(+w )+w =+w +w y y y y φφφφφ232212-1012-1012=+w =(+w +w )+w =+w +w +w y y y y φφφφφφφ。
+1t t-1t-2-1012t-1t =+w +w +w +......+w +w t t y y φφφφφ （1.1.7）另一个解的形式为：t-1t-2t-30123t-1t =+w +w +w +......+w +w tt y y φφφφφ这个过程被称作用递归替代法解差分方程动态乘子0/=t t y w φ∂∂ (1.1.8)如果动态模拟从t 期开始，则有：+1j j-1j-2+t-1t t+1t+2t+j-1t+j =+w +w +w +......+w +w j t j y y φφφφφ （1.1.9） 因此有： /=j t j t y w φ+∂∂在戈德费尔德（1973）估计的美国货币需求函数的例子中：2222/=(/)(/)(/)(0.72)(0.19)0.098t t t t t t t t m I m w w I w I φ++∂∂∂∂∂∂=⨯∂∂== 总结：（1）如果01φ<<，方程稳定（2）如果1φ>，方程不稳定（3）如果1φ=，则有+t-1t t+1t+2t+j-1t+j =+w +w +w +......+w +w t j y y （1.1.11）在金融和财务中的一个应用：我们可能对于w 对未来y 的值流的现值感兴趣。
计量经济学：平稳时间序列分析-差分方程与延迟算子
f (t)
11 0
f (t1)
11
1
f (1)
11 t 1
t
, , 给出初值y-1， y-2，…，y-p以及 0 1
t 的值，即可得到yt。
定理：矩阵F的特征根满足的特征方程为
p 1 p1 2 p2 p1 p 0
1、具有相异特征根的p阶差分方程的通解
如果矩阵F的特征根是相异的，那么存在一个非奇异矩阵
1
0
0
F 0 1 0
0 0 0
p1 p
0
0
0 0 ,
1 0
t
0
Vt
0
0
则原p阶差分方程变为一阶向量差分方程
t Ft1 Vt
参照一阶向量差分方程的递归解法有
t
F
t
1 1
F tV0
F t1V1
F t2V2
FVt1 Vt
即
yt
yt 1
y1
y2
0
0
t 21
1
2 1 2 3
1 p 2 p
t p1
1
p 1 p 2
p p1
将此结果代入 ci t1iti1 即得
ci
p
p1 i
k1(i k )
k i
如果从t期开始迭代，则有
yt j
f ( j1)
11
yt 1
f y ( j1)
12
t2
f y ( j1)
11 0
f (t1)
11
1
f (1)
11 t 1
t
其中
f ( j)
11
c11j
c22j
cppj
时间序列分析知识点总结(1)
一.时间序列分析的相关概念♦随机过程：若对于每一个特定的t ∈T ，X(t)是一个随机变量，则称这一族无穷多个随机变量{X(t),t ∈T}是一个随机过程。
♦纯随机过程：随机过程X(t)(t=1,2,…)，如果是由一个不相关的随机变量序列构成的，即对于所有s ≠t ，随机变量X t 和X s 的协方差均为零，则称其为纯随机过程。
♦♦♦♦独立增量随机过程：任意两相邻时刻上的随机变量之差是相互独立的，则称其为独立增量随机过程。
二阶矩过程：若随机过程{X(t),t ∈T}，对每个t ∈T ，X(t)的均值和方差存在，则称其为二阶矩过程。
正态过程：若{X(t)}的有限维分布都是正态分布，则称{X(t)}为正态随机过程。
平稳过程(严平稳)：如果对于时间t 的任意n 个值t 1,t 2,…,t n 和任意实数 ，随机过程X(t)的n 维分布函数满足关系式F n (x 1,x 2,…,x n ; t 1,t 2,…,t n ) = F n (x 1,x 2,…,x n ; t 1+ε,t 2+ε,…,t n+ε)，则称X(t)为平稳过程。
即是统计特性不随时间的平移而变化的过程。
♦宽平稳：若随机过程{X(t),t ∈T}的均值和协方差存在，且满足①EX t ∈a,∀t ∈T ；②E[X t+τ-a][X t -a]=R(τ),∀t,t+τ∈T ，则称{X(t),t ∈T}为宽平稳随机过程，R(τ)为X(t)的协方差函数。
♦非平稳随机过程：不具有平稳性的过程就是非平稳过程。
即序列均值或协方差与时间有关时，就可以认为是非平稳的。
♦♦自相关：指时间序列观察资料互相之间的依存关系。
动态性(记忆性)：指系统现在的行为与其历史行为的相关性。
如果某输入对系统后继n 个时刻的行为都有影响，就说该系统具有n 阶动态性。
二.刻画时间序列统计特性的各种数字特征的定义、性质等♦均值函数其中，F t (x)为随机序列X t 的分布密度函数。
噶米时间序列分析讲义__第01章_差分方程
第一章 差分方程差分方程是连续时间情形下微分方程的特例。
差分方程及其求解是时间序列方法的基础，也是分析时间序列动态属性的基本方法。
经济时间序列或者金融时间序列方法主要处理具有随机项的差分方程的求解问题，因此，确定性差分方程理论是我们首先需要了解的重要内容。
§1.1 一阶差分方程假设利用变量t y 表示随着时间变量t 变化的某种事件的属性或者结构，则t y 便是在时间t 可以观测到的数据。
假设t y 受到前期取值1-t y 和其他外生变量t w 的影响，并满足下述方程：t t t w y y ++=-110φφ (1.1)在上述方程当中，由于t y 仅线性地依赖前一个时间间隔自身的取值1-t y ，因此称具有这种结构的方程为一阶线性差分方程。
如果变量t w 是确定性变量，则此方程是确定性差分方程；如果变量t w 是随机变量，则此方程是随机差分方程。
在下面的分析中，我们假设t w 是确定性变量。
例1.1 货币需求函数 假设实际货币余额、实际收入、银行储蓄利率和商业票据利率的对数变量分别表示为t m 、t I 、bt r 和ct r ，则可以估计出美国货币需求函数为：ct bt t t t r r I m m 019.0045.019.072.027.01--++=-上述方程便是关于t m 的一阶线性差分方程。
可以通过此方程的求解和结构分析，判断其他外生变量变化对货币需求的动态影响。
1.1.1 差分方程求解：递归替代法差分方程求解就是将方程变量表示为外生变量及其初值的函数形式，可以通过以前的数据计算出方程变量的当前值。
由于方程结构对于每一个时间点都是成立的，因此可以将(1.1)表示为多个方程：0=t ：01100w y y ++=-φφ 1=t ：10101w y y ++=φφt t =：t t t w y y ++=-110φφ依次进行叠代可以得到：1011211010110101)()1()(w w y w w y y ++++=++++=--φφφφφφφφ0111122113121102)1(w w w y y φφφφφφφ++++++=-i ti i t t i it w y y ∑∑=-=++=011110φφφφ (1.2)上述表达式(1.2)便是差分方程(1.1)的解，可以通过代入方程进行验证。
时间序列分析讲义 第01章 差分方程
第一章 差分方程差分方程是连续时间情形下微分方程的特例。
差分方程及其求解是时间序列方法的基础，也是分析时间序列动态属性的基本方法。
经济时间序列或者金融时间序列方法主要处理具有随机项的差分方程的求解问题，因此，确定性差分方程理论是我们首先需要了解的重要内容。
§1.1 一阶差分方程假设利用变量t y 表示随着时间变量t 变化的某种事件的属性或者结构，则t y 便是在时间t 可以观测到的数据。
假设t y 受到前期取值1-t y 和其他外生变量t w 的影响，并满足下述方程：t t t w y y ++=-110φφ (1.1)在上述方程当中，由于t y 仅线性地依赖前一个时间间隔自身的取值1-t y ，因此称具有这种结构的方程为一阶线性差分方程。
如果变量t w 是确定性变量，则此方程是确定性差分方程；如果变量t w 是随机变量，则此方程是随机差分方程。
在下面的分析中，我们假设t w 是确定性变量。
例1.1 货币需求函数 假设实际货币余额、实际收入、银行储蓄利率和商业票据利率的对数变量分别表示为t m 、t I 、bt r 和ct r ，则可以估计出美国货币需求函数为：ct bt t t t r r I m m 019.0045.019.072.027.01--++=-上述方程便是关于t m 的一阶线性差分方程。
可以通过此方程的求解和结构分析，判断其他外生变量变化对货币需求的动态影响。
1.1.1 差分方程求解：递归替代法差分方程求解就是将方程变量表示为外生变量及其初值的函数形式，可以通过以前的数据计算出方程变量的当前值。
由于方程结构对于每一个时间点都是成立的，因此可以将(1.1)表示为多个方程：0=t ：01100w y y ++=-φφ1=t ：10101w y y ++=φφt t =：tt t w y y ++=-110φφ依次进行叠代可以得到：1011211010110101)()1()(w w y w w y y ++++=++++=--φφφφφφφφ0111122113121102)1(w w w y y φφφφφφφ++++++=-i ti i t t i i t w y y ∑∑=-=++=0111010φφφφ (1.2)上述表达式(1.2)便是差分方程(1.1)的解，可以通过代入方程进行验证。
第1章应用时间序列分析—差分方程(东北财经大学)汇编
应用时间序列分析---现代时间序列分析的最新方法王雪标东北财经大学数学与数量经济学院第一章 差分方程统计程序主要是用来处理从独立试验或调查而得到的数据：,1,2,,i x i n =。
与顺序无关。
一个时间序列是按照时间参数而排列的数值序列。
如，每月失业人数，每年GDP ，…，等等。
对一些序列来说，在每时刻都可做观测，并得到一列数据。
这时称为连续时间序列，记()x t 。
然而，在经济学中，大多数数据都是经过等时间长度做观测而得到的。
如，每小时，每天，每周，每月，每季度，每年。
这样形成离散时间序列，记t x 。
一个观测到的序列t x 可看作是一个随机过程的实现。
在统计学中我们主要分析来自总体的样本，而在时间序列分析中我们主要分析来自随机过程的观测序列（实现）。
时间序列分析的基本目的是对随机过程的基本特征、性质做推断。
因而，时间序列经济学家的主要任务是利用经济数据，建立相对简单的模型，对经济现象进行解释、假设检验和预测。
在分析中的第一步通常是形成一个统计量。
最终目的是利用数据构造模型，这个模型与随机过程的生成机制有类似的性质。
因此他们建立了一系列分析方法，将序列分解为趋势性部分、季节性部分、周期性部分和不规则性部分。
趋势性方程：10.1t T t =+ 季节性方程： 1.6sin(6)t S t π= 无规则性方程：10.7t t t I I ε-=+t ε为t 期随机扰动项。
这三个方程是典型的差分方程。
一般来说，差分方程是指一个变量的值表示成这个变量滞后值、时间和其它变量的函数。
趋势和季节项是时间的函数，不规则项是它本身滞后项和随机变量t ε的函数。
时间序列分析主要处理、估计含有随机元素的差分方程。
估计单个序列或向量（包含许多相关的序列）的一些性质。
含有随机元素的差分方程通常假设有下面形式：t 处值=1t -处值的期望+误差项误差项通常取为白噪声序列。
如果将1t -处值的期望取为1t -期值的固定比例，这时就是一阶自回归。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一章 差分方程 差分方程是连续时间情形下微分方程的特例。
差分方程及其求解是时间序列方法的基础，也是分析时间序列动态属性的基本方法。
经济时间序列或者金融时间序列方法主要处理具有随机项的差分方程的求解问题，因此，确定性差分方程理论是我们首先需要了解的重要内容。
§ 一阶差分方程假设利用变量t y 表示随着时间变量t 变化的某种事件的属性或者结构，则t y 便是在时间t 可以观测到的数据。
假设t y 受到前期取值1-t y 和其他外生变量t w 的影响，并满足下述方程：t t t w y y ++=-110φφ在上述方程当中，由于t y 仅线性地依赖前一个时间间隔自身的取值1-t y ，因此称具有这种结构的方程为一阶线性差分方程。
如果变量t w 是确定性变量，则此方程是确定性差分方程；如果变量t w 是随机变量，则此方程是随机差分方程。
在下面的分析中，我们假设t w 是确定性变量。
例 货币需求函数 假设实际货币余额、实际收入、银行储蓄利率和商业票据利率的对数变量分别表示为t m 、t I 、bt r 和ct r ，则可以估计出美国货币需求函数为：上述方程便是关于t m 的一阶线性差分方程。
可以通过此方程的求解和结构分析，判断其他外生变量变化对货币需求的动态影响。
1.1.1 差分方程求解：递归替代法差分方程求解就是将方程变量表示为外生变量及其初值的函数形式，可以通过以前的数据计算出方程变量的当前值。
由于方程结构对于每一个时间点都是成立的，因此可以将表示为多个方程：0=t ：01100w y y ++=-φφ1=t ：10101w y y ++=φφt t =：t t t w y y ++=-110φφ依次进行叠代可以得到：i ti i t t i i t w y y ∑∑=-=++=0111010φφφφ上述表达式便是差分方程的解，可以通过代入方程进行验证。
上述通过叠代将t y 表示为前期变量和初始值的形式，从中可以看出t y 对这些变量取值的依赖性和动态变化过程。
1.1.2. 差分方程的动态分析：动态乘子(dynamic multiplier)在差分方程的解当中，可以分析外生变量，例如0w 的变化对t 阶段以后的t y 的影响。
假设初始值1-y 和t w w ,,1Λ不受到影响，则有：t t w y 10φ=∂∂ 类似地，可以在解的表达式中进行计算，得到：j t jt w y 1φ=∂∂+上述乘子仅仅依赖参数1φ和时间间隔j ，并不依赖观测值的具体时间阶段，这一点在任何差分方程中都是适用的。
例 货币需求的收入乘子 在我们获得的货币需求函数当中，可以计算当期收入一个单位的变化，对两个阶段以后货币需求的影响，即：利用差分方程解的具体系数，可以得到：19.0=∂∂tt I w ，72.01=φ 从而可以得到二阶乘子为：注意到上述变量均是对数形式，因此实际上货币需求相对于两个阶段以前收入的弹性系数，这意味着收入增长1%，将会导致两个阶段以后货币需求增加%，其弹性是比较微弱的。
定义 在一阶线性差分方程中，下述乘子系列称为t y 相对于外生扰动t w 的反应函数：j t jt j w y L 1φ=∂∂=+，Λ,1,0=j显然上述反应函数是一个几何级数，其收敛性依赖于参数1φ的取值。
(1) 当101<<φ时，反应函数是单调收敛的；(2) 当011<<-φ时，反应函数是震荡收敛的；(3) 当11>φ时，反应函数是单调扩张的；(4) 当11-<φ时，反应函数是震荡扩张的；可以归纳描述反应函数对于参数的依赖性：当1||1<φ时，反应函数是收敛的；当1||1>φ时，反应函数是发散的。
一个特殊情形是11=φ的情形，这时扰动将形成持续的单一影响，即t w 的一个单位变化将导致其后任何时间j t y +的一个单位变化：1≡∂∂=+t jt j w y L ，Λ,1,0=j为了分析乘子的持久作用，假设时间序列t y 的现值贴现系数为β，则未来所有时间的t y 流贴现到现在的总值为：∑∞=+0j j t j y β如果t w 发生一个单位的变化，而t s w s >,不变，那么所产生的对于上述贴现量的影响为边际导数： ∑∑∑∞=∞=+∞=+-==∂∂=∂∂00011/)(j j j j t jt j j t j t jw y w y φβφβββ，1||<φβ上述分析的是外生变量的暂时扰动，如果t w 发生一个单位的变化，而且其后的t s w s >,也都发生一个单位的变化，这意味着变化是持久的。
这时持久扰动对于)(j t +时刻的j t y +的影响乘数是：0111111φφφ+++=∂∂++∂∂+∂∂-+++++ΛΛj j jt j t t t t jt w y w y w y 当1||1<φ时，对上式取极限，并将其识为扰动所产生的持久影响： 11111)(lim φ-=∂∂++∂∂+∂∂+++++∞→j t j t t t t j t j w y w y w y Λ 例 货币需求的长期收入弹性 在例中我们已经获得了货币的短期需求函数，从中可以求出货币需求的长期收入弹性为：这说明收入增加1%最终将导致货币需求增加%，这是收入对于货币需求反馈的持久影响效果。
如果换一个角度考察扰动的影响，那么我们需要分析一个单位的外生扰动对于t y 以后路径的累积影响，这时可以将这种累积影响表示为：φ-=∂∂∑∞=+110j t j t w y 由此可见，如果能够估计出差分方程中的系数，并且了解差分方程解的结构，则可以对经济变量进行稳定性的动态分析。
另外，我们也发现，内生变量对外生变量反应函数的性质比较敏感地依赖差分方程中的系数。
§ p 阶差分方程如果在方程当中允许t y 依赖它的p 阶前期值和输入变量，则可以得到下述p 阶线性差分方程(将常数项归纳到外生变量当中)：t p t p t t t w y y y y ++++=---φφφΛ2211为了方便起见，将上述差分方程表示成为矩阵形式：t t t v F +=-1ξξ其中：⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=+---121p t t t t t y y y y M ξ，⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=-0001000000100011321M MΛM ΛΛΛM M M p p F φφφφφ，⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=000M t t w v 其实在方程所表示的方程系统当中，只有第一个方程是差分方程，而其余方程均是定义方程： j t j t y y --=，p j ,,2,1Λ=将p 阶差分方程表示成为矩阵形式的好处在于，它可以进行比较方便的叠代处理，同时可以更方便地进行稳定性分析。
另外，差分方程的系数都体现在矩阵F 的第一行上。
进行向前叠代，可以得到差分方程的矩阵解为：t t t t t t v v F v F v F F +++++=---+1111011Λξξ利用)(t j i f 表示矩阵t F 中第i 行、第j 列元素，则方程系统中的第一个方程可以表示为：需要注意，在p 阶差分方程的解中需要知道p 个初值：),,,(21p y y y ---Λ，以及从时刻0开始时的所有外生变量的当前和历史数据：),,,(10t w w w Λ。
由于差分方程的解具有时间上的平移性，因此可以将上述方程表示为：j t j t t j t j t j j t v v F v F v F F +-++--+++++++=11111Λξξ类似地，表示成为单方程形式：j t j t t j t j pt j p t j t j j t w w f w f w f y f y f y f y +-++--+-+-++++++++++=1)1(111)1(11)(11)1(12)1(121)1(11ΛΛ利用上述表达式，可以得到p 阶差分方程的动态反应乘子为：)(11j t jt j f w y L =∂∂=+，Λ,1,0=j由此可见，动态反应乘子主要由矩阵j F 的首个元素确定。
例 在p 阶差分方程中，可以得到一次乘子为：二次乘子为：虽然可以进一步通过叠代的方法求出更高阶的反应乘子，但是利用矩阵特征根表示则更为方便，主要能够更为方便地求出矩阵j F 的首个位置的元素。
根据定义，矩阵F 的特征根是满足下述的λ值：0||=-p I F λ一般情况下，可以根据行列式的性质，将行列式方程转换为代数方程。
例 在二阶差分方程当中，特征方程为：具体可以求解出两个特征根为：()22111421φφφλ++=，()22112421φφφλ+-= 上述特征根的表达式在讨论二阶线性差分方程解的稳定性时，我们还要反复用到。
距阵F 的特征根与p 阶差分方程表达式之间的联系可以由下述命题给出：命题 距阵F 的特征根满足下述方程，此方程也称为p 阶线性差分方程的特征方程：证明：根据特征根的定义，可知特征根满足：对上述行列式进行初等变化，将第p 列乘以)/1(λ加到第1-p 列，然后将第1-p 列乘以)/1(λ加到第2-p 列，依次类推，可以将上述行列式方程变化为对角方程，并求出行列式值为：这便是所求的p 阶线性差分方程的特征方程。
END如果知道p 阶线性差分方程的特征方程及其特征根，不仅可以分析差分方程的动态反应乘子，而且可以求解出差分方程解析解的动态形式。
1.2.1 具有相异特征根的p 阶线性差分方程的通解根据线性代数的有关定理，如果一个方阵具有相异特征根，则存在非奇异矩阵T 将其化为对角矩阵，且对角线元素便是特征根：1-Λ=T T F ，),,(1p diag λλΛ=Λ这时矩阵F 的乘级或者幂方矩阵可以简单地表示为：11)(--Λ=Λ=T T T T F j j j ，),,(1j p j j diag λλΛ=Λ假设变量ij t 和ij t 分别表示矩阵T 和1-T 的第i 行、第j 列元素，则可以将上述方程利用矩阵形式表示为：从中可以获得：j p p j j j pp p j j j c c c t t t t t t F λλλλλλ+++=+++=ΛΛ2211112211211111)(11)()()(其中：11j j j t t c =，Λ,1,0=j ，如此定义的序列具有下述约束条件(自行证明)：121=+++p c c c Λ具有上述表达式以后，在差分方程的解：j t j t t j t j pt j p t j t j j t w w f w f w f y f y f y f y +-++--+-+-++++++++++=1)1(111)1(11)(11)1(12)1(121)1(11ΛΛ中可以得到动态乘子为：j p p j j j t jt j c c c f w y L λλλ+++==∂∂=+Λ2211)(11，Λ,1,0=j究竟系数序列j c 取值如何，下述命题给出了它的具体表达式。