自相关(计量经济学-中南财经政法大学,向书坚).pptVIP

第 9 章 自相关 第9章 自相关性 §9.1 问题的性质 §9 .1.2自相关产生的背景与原因 §9.2 出现自相关时的OLS估计量 如果存在自相关，假设有下式成立： 如果存在自相关，如AR(1)，β2的OLS估计量： §9.3 出现自相关时的BLUE估计量 如果存在类似AR(1)的自相关，可以证明β2的BLUE估计量和方差分别为： §9.4 出现自相关时的BLUE估计量 §9.4.1 考虑到自相关的OLS估计 §9.4.3 蒙特卡罗实验说明方差被低估的情况 补充：对于时间序列数据构造回归模型 一阶自回归形式 平稳序列随机误差项的特征 随机误差的期望与方差 可得模型随机误差项ut与其以前各期ut-k的协方差： 递推这一过程，可得间隔任意k期的协方差为： 回归模型的随机误差向量的协方差矩阵 §9.5 侦察自相关性 §9.5.1 图示检验法 §9.5.2回归检验法 §9.5.3自相关系数法 §9.5.4 D.W.检验 DW统计量 DW与自相关系数的对应关系表 §9.6 自相关的补救措施 （一）广义一阶差分法 （二）一阶差分法 （三）柯-奥迭代法 （四）杜宾两步法 （五）广义最小二乘法 §9.6.1 广义差分法 设线性回归模型为 已知 有一阶自相关性，即 把滞后一期的观测值代入变量关系，得方程： 可得 使 根据 可得 §9.6.2 一阶差分法 设线性回归模型为 已知 有很强的一阶自相关性，即 把滞后一期的观测值代入变量关系，得方程： 可得 由于 令 可得 §9.6.3 一、根据德宾—沃森d统计量估计ρ 3、用估计的　 ，对原模型进行广义差分可得 三、科克伦－奥克特两步法 1、根据 估计ρ 2、利用ρ的这个估计值作广义差分方程的回归 四、德宾两步法 从两变量模型的广义差分式 整理后可得 将上述多元线性回归中Yt-1的回归系数作为ρ的估计值 ，利用广义差分变换， ， 得到 对它进行最小二乘估计，并把估计回归结果计算的 　 ，作为原模型参数的估计。 关于ARCH模型简要介绍 ARCH模型的主要思想是：时刻t的u的方差 依赖与时刻(t-1)的平方误差的大小，及依赖于 。 常用的自相关检验法有三种： （一）图示检验法 （二）回归检验法 （三）自相关系数法 （四）D.W.检验 图示法是一种直观的诊断方法，它是把给定的回归模型直接用普通最小二乘法估计参数，求出残差项，再描绘残差的散点图，根据残差的相关性来判断随机误差项的自相关性。残差的散点图通常有两种绘制方式。 1.绘制et(Y轴),et-1(X轴)的散点图。如果大部分点落在第一、三象限，表明随机误差项存在着正的自相关；如果大部分点落在第二、四象限，那么随机误差项存在负的相关。 2.按照时间顺序绘制残差的图形，t是x轴，et表示y轴。如果随机误差项随着t的变化逐次有规律地变化，呈现锯齿形或循环形状的变化，就可断言存在相关，表明残差存在自相关。 相关的方向则根据残差变化的符号来判断： 如果残差随时间不断地改变符号，则存在负相关，此现象称为蛛网现象； 如果残差随时间变化逐次变化但并不频繁地改变符号，即几个正的残差后面跟着几个负的残差，则表明随机误差项存在正的自相关。 首先以普通最小二乘法估计模型的参数，计算随机误差项的近似估计量—残差估计量； 以残差估计量为被解释变量，以各种可能相关量，如滞后一阶残差、滞后二阶残差、残差平方等为解释变量，建立各种回归方程： 对方程进行估计并进行显著性检验，如果存在某一种函数关系，使得方程显著成立，则说明原模型存在自相关性。 回归检验法的优点是一旦确定了模型存在自相关性，也就同时知道了相关的形式，而且它适用于任何类型的自相关性问题的检验。 用误差的估计值残差计算其自相关系数的估计值： 由于自相关系数的估计值与样本量有关，需要进行统计显著性检验才能确定自相关性的存在，通常采用DW检验来代替对自相关系数估计值的检验。 它是J.Durbin和G.S.Watson 于1951年提出的一种适用于小样本的一种检验方法。DW