计量经济学实验五自相关模型的检验和处理_new重点分析.docVIP

目录 一、图形法检验 1 二、D-W检验 5 三、SLC对GDPS回归自相关的处理 7 四、log(GDPS)对T回归自相关的处理 9 实验五 自相关模型的检验和处理 实验目的：掌握自相关模型的检验和处理方法。 实验要求：熟悉图形法检验和掌握D-W检验，理解广义差分变换和掌握迭代法。 实验原理：图形法检验和D-W检验，广义差分变换、迭代法和广义最小二乘法（GLS）。 实验步骤： 一、图形法检验 在实验二的一元线性回归模型的估计中，根据广东数据把CS作为应变量，GDPS作为解释变量；CZ作为应变量，CS作为解释变量；SLC作为应变量，GDPS作为解释变量进行了三个一元线性回归，现在对它们进行图形法检验。图形法检验，即可根据残差项e的趋势图判定，亦可根据e与e的散点图判定。在进行完回归后，内存中就产生一个序列RESID，它就是残差项组成的序列，可使用。 1.CS对GDPS回归的残差趋势图和残差散点图（图4-3） 从图上看CS对GDPS回归的残差有一定的自相关。 2.CZ对CS回归的残差趋势图和残差散点图（图4-4） 从图上看CZ对CS回归的残差应该没有自相关。 3.SLC对对GDPS回归的残差趋势图和残差散点图（图4-5） 从图上看SLC对GDPS回归的残差有很强的自相关。 图 4-3 图4-4 图4-5 在实验四的一元非线性模型的估计中，log(CS)对T回归的残差趋势图和残差散点图为图4-6。 从图上看log(CS)对T回归的残差也有较强的自相关。 图形法检验的有点是很直观，但缺点是不易看出，所以检验自相关主要还是用下面的解析的方法。 图4-6 二、D-W检验 对所有做过的回归方程进行自相关的D-W检验。在实验二的一元线性回归模型的估计中，根据广东数据把CS作为应变量，GDPS作为解释变量；CZ作为应变量，CS作为解释变量；SLC作为应变量，GDPS作为解释变量进行了三个一元线性回归，现在对它们进行D-W检验。在实验二的一元线性回归模型的检验和结果报告中，已经把这个三个一元线性回归的结果报名出来了，这三个报告为 CS = 12.50960 + 0.080296 * GDPS （15.58605）（0.001891） （0.802615）（42.45297） R = 0.985779 SE = 7732.823 DW = 0.942712 F = 1802.255 CZ = -22.68073 + 1.278874 * CS （11.61500）（0.017267） （-1.952710）（74.06285） R = 0.995282 SE = 45.71859 DW = 1.554922 F = 5485.306 SLC = 148.6962 + 0.370241 * GDPS （48.01944）（0.005827） （3.096584）（63.53578） R = 0.993600 SE = 190.7780 DW = 0.293156 F = 4036.795 从这三个报告可以一目了然地看出，第一个方程的D-W值偏近0，存在自相关；第二个方程的D-W值接近2，不存在自相关；第三个方程的D-W值接近0，存在很强的自相关。 所有做过的其他回归方程根据D-W检验有些存在自相关，有些不存在自相关，有些不能确定，还有一些不符合检验的条件。比如，根据广东数据估计的SE对GDPS的回归方程结果为： 其D-W值接近于0，是否能够判定存在自相关，还不能。为什么？因为D-W检验要求带常数项。难道对此就不能够进行检验了吗？不是的，要检验很简单，只要带上常数项再检验就行了。带上常数项进行回归结果如下： 显然可以看出还是寻在很严重的自相关，有同学可能会说，我不要带常数项的回归，怎么办？很简单，再去掉常数项就行了。带上常数项仅仅为了检验和处理自相关。 所有做过的其他回归方程根据D-W检验存在严重自相关的回归还有一个，即在实验四的意愿非线性模型的估计中，根据广东数据log(GDPS)对T的回归结果。它的结果如下： 通过上面实验的自相关模型的检验，发现根据广东数据SLC对GDPS的回归和log(GDPS)对T的回归都存在严重的自相关，现在分别对它们进行处理。迭代法已经成为处理自相关模型的标准方法，在EViews中使用迭代法就是在解释变量中添入AR项，AR(1)是消除一阶自相关，AR(2)是消除二阶自相关，AR(1)和AR(2)是消除一、二阶自相关，如此等。 三、SLC对GDPS回归自相关的处理 在SLC对GDPS原回归中添入AR(1)项，得回归结果如下： D-W检验值由0.293156提高到1.067551，还没有消除了自相关，继续处理： D-W检验值达到1.717996，消除了自相关。 没有消除和消除了自相关的回归方程分别