- 1、本文档共25页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
练习 有如下一个回归方程,样本容量为95。 第6章 自相关 非自相关假定 自相关的来源与后果 自相关检验 自相关的解决方法 自相关系数的估计 案例分析(2例) (第3版第135页) ?1 的估计值如何求呢?与相关系数有什么联系呢? (第3版第136页) (第3版137页) 6.2自相关的来源与后果 自相关的来源: 1.模型的数学形式不妥。 2. 惯性。大多数经济时间序列都存在自相关。 3. 回归模型中略去了带有自相关的重要解释变量。 (第3版139页) 6.2 自相关的来源与后果 (第3版140页) 6.3 自相关检验 (第3版142页) 当DW值落在“不确定”区域时,有两种处理方法。(1)加大样本容量或重新选取样本,重作DW检验。有时DW值会离开不确定区。(2)选用其它检验方法。 DW检验临界值与三个参数有关。 ? 的取值范围是 [-1, 1],所以DW统计量的取值范围是 [0, 4]。 6.3 自相关检验 (第3版144页) DW检验临界值与三个参数有关。 (1)检验水平?, (2)样本容量T , (3)原回归模型中解释变量个数k(不包括常数项)。 Yt ^ =1.3 + 9.23X1t + 1.8X2t - 4.8X3t + 11.9X4t , DW=0.95 试判断该模型是否存在自相关。 DW=0.95,n=95,查DW临界值,dL =1.58,dU =1.75 因为DW=0.951.58=dL ,所以拒绝原假设,该模型存在正自相关。 6.3 自相关检验 (3)LM检验(亦称BG检验)法 (第3版145页) LM 统计量既可检验一阶自相关,也可检验高阶自相关。 LM 检验是通过一个辅助回归式完成的 ,具体步骤如下。 Y t = b 0 + b 1 X 1 t + b 2 X 2 t + … + b k X k t + u t 考虑误差项为 n 阶自回归形式 u t = r 1 u t - 1 + … + r n u t - n + v t H 0 : r 1 = r 2 = … = r n = 0 用 多元回归 式得到的残差建立辅助回归式, e t = 1 ? r e t - 1 + … + n r ? e t - n + b 0 + b 1 X 1 t + b 2 X 2 t + … + b k X k t + v t 估计并计算 确定 系数 R 2 。构造 LM 统计量, LM = T R 2 若 LM = T R 2 £ c 2 ( n ) ,接受 H 0 ;若 LM = T R 2 c 2 ( n ) ,拒绝 H 0 。 6.4 自相关的解决方法 (第3版146页) 6.4 自相关的解决方法 (第3版147页) Y t = b 0 + b 1 X 1 t + b 2 X 2 t + … + b k X k t + u t , u t = r u t - 1 + v t ( v t 满足 假定条 件 ) Y t = b 0 + b 1 X 1 t + b 2 X 2 t + … + b k X k t + r u t - 1 + u t 求 ( t - 1) 期关系式,并在两侧同乘 r r Y t - 1 = r b 0 + r b 1 X 1 t - 1 + r b 2 X 2 t - 1 + … + r b k X k t - 1 + r u t - 1 上两式 相减 : Y t - r Y t - 1 = b 0 (1 - r ) + b 1 ( X t - r X 1 t - 1 ) +… + b k ( X k t - r X k t - 1 ) + v t 作广义差分变换: Y t * = Y t - r Y t - 1 , X j t * = X j t - r X j t - 1 , j = 1 , 2 , … k , b 0 * = b 0 (1 - r ) 则模型如下 Y
文档评论(0)