第十一讲_自相关和面板数据.ppt

自相关 多元线性回归模型的基本经典假定 假设1 随机误差项具有零均值。 假设3 随机误差项彼此之间不相关 假设5 解释变量Xi之间不存在精确的线形关系，即解释变量的样本观测值矩阵X是满秩矩阵，应满足关系式： rank(X)=k+1n 假设6 随机误差项服从正态分布，Y也服从正态分布。 u的方差协方差矩阵 异方差经常出现在截面数据中，因为在截面数据中经常会出现 的情况。 解决方法：异方差稳健的标准差。 FGLS（可行性广义最小二乘法） 自相关经常出现在时间序列数据中，因为在时间序列数据中，经常会出现的 的情况。 面板数据可以看作是截面数据和时间序列的集合，所以既有可能出现异方差，又有可能出现自相关。 截面数据的残差图 时间序列数据的残差图 由于经济活动通常具有某种连续性或持久性，自相关现象在时间序列中很常见。比如，相邻两年的GDP 增长率、通货膨胀率。又比如，某个意外事件或新政策的效应需要逐步地随时间推移而释放出来；滞后的调整过程，比如，最优资本存量需要通过若干年的投资才能逐渐达到。 自相关的检验 图形法 残差与X的散点图 自相关图(auto-correlation cofficient) 偏自相关图(partial auto-correlation cofficient) 例题：利用B2_lutkepohl.dta数据集建立消费和收入之间的一元线性回归模型。并检验是否存在自回归，是一阶还是高阶。 use B2_lutkepohl.dta, clear tsset year reg consum income predict e1, res scatter e1 income,yline(0) ac e1 pac e1 经验上DW值1.8---2.2之间接受原假设，不存在一阶自相关。 DW值接近于0或者接近于4，拒绝原假设，存在一阶自相关。 Stata中对方程进行回归后直接使用 dwstat命令即可。 Box-Pierce Q 检验和Bartlett检验（Ljung and Box, 1979） Q检验和Bartlett检验 reg consum income predict e1,res wntestq e1 wntestb e1 Breusch-Godfrey（LM） 检验 reg consum income bgodfrey 自相关的处理： 1。使用“OLS + 异方差自相关稳健的标准差”（Heteroskedasticity and Autocorrelation Consistent Standard Error，简记HAC），即在同时存在异方差与自相关的情况下也成立的稳健标准差。这种方法被称为Newey and West (1987)估计法，它只改变标准差的估计值，并不改变回归系数的估计值。 Newey 稳健型估计(White1980估计的扩展) reg consum income newey consum income , lag(1) newey consum income , lag(2) 广义差分法： CO-PW方法 Cochrane-Orcutt(1949) 估计(舍弃第一期观察值) Prais-Winsten(1954) 估计(对第一期观察值进行处理 sqrt(1-rho^2)*y1) 关键问题是，差分的结果一定会损失一个样本（第一个样本）。CO和PW方法给了不同的处理方式。CO为了计算方便而将第一个方程（即第一个观测数据）删去。 PW不删去第一个样本，而是用sqrt(1-rho^2)*y1)加以估计。 由于时间序列的数据往往较少，所以尽量不损失样本 广义差分法： CO-PW方法 广义差分的stata命令： prais y x1 x2 x3 （使用默认的PW方法） prais y x1 x2 x3, corc （使用CO方法） prais consum income,corc prais consum income 面板数据回归 一些面板数据教材 面板数据分析 （美）萧政 著 横截面与面板数据的经济计量分析 伍德里奇　著，王忠玉　译 Baltagi. Econometric Analysis of Panel Data 最新动态可关注期刊： Journal of Econometrics 时间序列数据或截面数据都是一维数据。例如时间序列数据是变量按时间得到的数据；截面数据是变量在截面空间上的数据。面板数据是同时在时间和截面上取得的二维数据。所以，面板数据（panel d