计量经济学——序列相关.pptVIP

2、一阶差分法 一阶差分法是将原模型 i i i X Y m b b + + = 1 0 i=1,2, … ,n 变换为 1 1 - - + D = D i i i i X Y m m b i=2, … ,n ( 2 . 7 .6) 其中 L 1 - - = D i i i Y Y Y 即使对于非完全一阶正相关的情况，只要存在一定程度的一阶正相关，差分模型就可以有效地加以克服。 如果原模型存在完全一阶正自相关，即在 ?i=??i-1+?i 中，?=1。 (2.7.6)可变换为： ?Yi= ?1?Xi+?I 由于?i不存在序列相关，该差分模型满足应用OLS法的基本假设，用OLS法估计可得到原模型参数的无偏的、有效的估计量。 3、广义差分法 模型(2.7.8)为广义差分模型，该模型不存在序列相关问题。采用OLS法估计可以得到原模型参数的无偏、有效的估计量。 广义差分法可以克服所有类型的序列相关带来的问题，一阶差分法是它的一个特例。 如果原模型存在： m r m r m r m e i i i l i l i = + + + + - - - 1 1 2 2 L (2. 7 .7) 可以将原模型变换为： i l i l i i l l i l i i X X X Y Y Y e r r b r r b r r + - - - + - - - = - - - - - - - ) ( ) 1 ( 1 1 1 1 0 1 1 L L L i l l n = + + 1 2 , , , L (2.7.8) 4、随机误差项相关系数?的估计 应用广义差分法，必须已知不同样本点之间随机误差项的相关系数?1, ?2,…, ?l 。实际上，人们并不知道它们的具体数值，所以必须首先对它们进行估计。 常用的方法有：迭代法、杜宾两步法。 其基本思路是采用普通最小二乘法估计原模型，得到随机误差项的“近似估计值”，然后利用该“近似估计值”求得随机误差项相关系数的估计量。 （2）杜宾（durbin）两步法 该方法仍是先估计?1，?2，?，?L，再对差分模型进行估计。 6、虚假序列相关问题 所谓虚假序列相关问题，是指模型的序列相关性是由于省略了显著的解释变量而引致的。 避免产生虚假序列相关性的措施是在开始时建立一个“一般”的模型，然后逐渐剔除确实不显著的变量。 back §2.7 序列相关性Serial Correlation 一、序列相关性 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、解决自相关的方法 如果模型的随机误差项违背了互相独立的基本假设的情况，称为序列相关性。 普通最小二乘法（OLS）要求计量模型的随机误差项相互独立或序列不相关。 一、序列相关性 1、序列相关的概念 对于模型 i ki k i i i X X X Y m b b b b + + + + + = L 2 2 1 1 0 i=1,2, … ,n 随机误差项互相独立的基本假设表现为： Cov i j ( , ) m m = 0 i ≠ j ， i,j=1,2, … ,n 如果出现 i≠j， i,j=1,2,…,n 即对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性。 如果仅存在 E i i ( ) m m + 1 1 0 i=1,2, … ,n-1 称为一阶序列相关，或自相关。这是最常见的 一种序列相关问题。 自相关往往可写成如下形式： t t t e r m m + = - 1 1 1 - r 其中：?被称为一阶自相关系数 Back 二、实际经济问题中的序列相关性 为什么会出现序列相关性？下面通过两个例子加以说明。例如，建立行业生产函数模型，以产出量为被解释变量，资本、劳动、技术为解释变量，选择时间序列数据作为样本观测值。于是有： t=1,2,…,n