第5章 自相关性.pptVIP

由 可得DW 值与 的对应关系如下表所示。 4 (2,4) 2 (0,2) 0 -1 (-1,0) 0 (0,1) 1 DW 如果存在完全一阶正相关，即 ，则 D.W.? 0 完全一阶负相关，即 , 则 D.W.? 4 完全不相关， 即 ，则 D.W.?2 由上述讨论可知DW的取值范围为： 0≤DW≤４ 该统计量的分布与出现在给定样本中的X值有复杂的关系，因此其精确的分布很难得到。 但是，Durbin和Watson根据样本容量和被估参数个数，在给定的显著性水平下，成功地导出了临界值的下限dL和上限dU ，且这些上下限只与样本的容量n和解释变量的个数k有关，而与解释变量X的取值无关。然后依下列准则考察计算得到的DW值，以决定模型的自相关状态。 D.W.统计量的上限和下限: DW检验决策规则 误差项 间存在负相关 不能判定是否有自相关 误差项 间 无自相关 不能判定是否有自相关 误差项 间存在 正相关 D.W. 统计量决策区间: 用坐标图更直观表示DW检验规则： 不能确定 正自相关 无自相关 不能确定 负自相关 4 2 0 D.W检验的步骤: （1）建立零假设 ；备择假设： 。 （2）用普通最小二乘法求出线性回归模型的参数估计值，从而可算出剩余数列 （3）将 代入 式计算DW的值 （4）给定?，由n和k的大小查DW分布表，得临界值dL和dU （5）将DW的值dL和dU进行比较，可得如下检验结果： 若 0D.W.dL 存在正自相关 dLD.W.dU 不能确定 dU D.W.4－dU 无自相关 4－dU D.W.4－ dL 不能确定 4－dL D.W.4 存在负自相关 DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断。这时，只有增大样本容量或重新选取样本，利用新的样本计算DW值，然后进行检验； DW统计量的上、下界表要求 ，这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断 DW检验不适应随机误差项具有高阶自相关的检验 只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量 DW检验的缺点和局限性 3、偏相关系数检验 偏相关系数是衡量多个变量之间相关程度的重要指标。在研究多个变量与之间的线性相关程度时，如果其它变量保持不变，只考虑Y与X（ ）之间的关系，这种相关叫做偏相关。衡量偏相关程度的指标，就是偏相关系数。 以二元线性回归模型为例，例如：某旅游胜地热饮料的销售量Y与该地游客数量 之间的关系要受到天气条件 的影响，这时Y与 的简单相关系数不能反映Y与 的真实相关程度，如果要研究Y与 的真实相关，就必须剔除 对它的影响。 3、偏相关系数的计算 用 表示 保持不变时Y与 的偏相关系数； 表示 保持不变时Y与 的偏相关系数； 表示 保持不变时 与 的偏相关系数。在三个变量的偏相关关系的研究中，一阶偏相关系数的计算公式如下： 一般地，在研究多个变量的偏相关系数时，与（ ） 的K-1阶偏相关系数的计算公式如下： 可以用偏相关系数的计算公式来计算剩余项 与 的偏相关系数，以此判断自相关性的类型, 特别是可以用来检验高阶自相关性。 若增加X3,变量Y与X1的二阶偏相关系数可写成： 二阶偏相关系数 4、拉格朗日乘数（Lagrange multiplier）检验 拉格朗日乘数检验克服了DW检验的缺陷，适合于高阶自相关以及模型中存在滞后被解释变量的情形。它是由布罗斯 （Breusch）与戈弗雷（Godfrey）于1978年提出的，也被称为BG检验。 对于模型 如果怀疑随机扰动项存在p阶自相关： BG检验可用来检验如下自相关形式： （1）原假设为：H0: ?1=?2=…=?p =0 （2）用OLS法估计模型，得到残差序列 ；