第12章时间序列回归中的序列相关和异方差要点.pptVIP

第十二章 时间序列回归中的序列相关和异方差性 本章讨论多元回归模型中误差项的序列相关问题，这主要出现在时间序列回归中。上章指出，当模型是动态完备时，其误差项不存在序列相关，因此检验序列相关可以用来侦查动态误设。静态模型和有限分布滞后模型，即使模型设定正确，也会出现误差项的序列相关。本章首先讨论在存在序列相关下OLS的性质，如何检验序列相关，然后介绍相应的补救措施，最后分析时间序列中的异方差形式。 12.1 含序列相关误差时OLS性质 无偏性和一致性：在序列相关下，第十章OLS的无偏性仍成立，第十一章OLS的一致性也成立。 效率与推断：在出现序列相关时，OLS不再是BLUE，通常的OLS标准误和检验统计量也不再生效。以简单回归为例说明： 12.1 含序列相关误差时OLS性质 OLS估计量为： 序列相关下方差为： 由此可见，在序列相关下通常的方差估计量都是 的有偏估计。通常的t-统计量，F-统计量和LM-统计量不再可靠。 拟合优度：总体的拟合优度定义为： 12.1 含序列相关误差时OLS性质 在使用平稳且弱相关的时间序列时，误差和因变量的方差均不随时间而变化，通常计算的拟合优度指标仍是总体参数的一致估计量。但如果因变量是I（1）过程，其方差随时间变化，此时的拟合优度没有什么意义了。 出现滞后因变量时的序列相关： 几乎所有的计量经济学教材都有如下说法：“在出现滞后因变量和序列相关的误差时，OLS是不一致的”。如何理解？ 12.1 含序列相关误差时OLS性质 作为一般论断，不一定正确。如： 满足同期外生，OLS估计是一致的。而 可能是序列相关的。 在如下情况，OLS估计是不一致的： 由于 内生性产生了。 12.1 含序列相关误差时OLS性质 可将此模型变形为： 实际上是一个二阶自回归模型AR（2）。这说明动态模型误差项的自相关，标志着没有完备地设定动态回归函数。 12.2 序列相关的检验 对时间序列的多元回归模型如何检验误差项是否序列相关： 回归元为严外生时对AR（1）序列相关的t检验：（1）作 的OLS回归，得到OLS的残差 （2）作 的回归，得到系数估计及其t统计量： （3）使用通常的方法，用 来检验 此检验方法也可用于其它类型的序列相关 12.2 序列相关的检验 经典假定条件下德宾-沃森检验： 与上一部分检验的关系： DW检验依赖于全部CLM假定，且其分布取决于自变量的值（还取决于样本容量、回归元的个数和回归是否包含截距）。DW值需与两个临界值比较： 当 ，拒绝原假设，当 ，不拒绝原假设，当 ，无明确结论。 12.2 序列相关的检验 DW检验与t检验相比有缺陷，因为可能得到很宽的不确定区域。 回归元不是严格外生时AR（1）序列相关经验：（1）将 的OLS回归，得到OLS的残差 （2）将 的回归，得到系数估计及其t统计量： （3）用 来检验 AR（q）序列相关检验： 12.3 回归元严格外生时序列相关的修正 当检测出序列相关存在时，如果我们的目标是估计一个完备动态模型，则需要重新设定动态模型。如果只是获得参数的好的估计，可以找到比OLS更有效的估计方法GLS，但这需要回归元是严格外生的。 AR（1）模型求最佳线性无偏估计量： 假定高斯-马尔可夫假定TS.1-TS.4均成立，放宽假定TS.5为误差项服从AR（1）模型 12.3 回归元严格外生时序列相关的修正 误差项的方差为 对原方程进行准差分变换quasi-difference 对变换后的方程采用OLS估计，由此得出的估计量为BLUE，因为变换后的方程是序列无关和同方差，这是GLS的一种形式。 12.3 回归元严格外生时序列相关的修正 AR（1）模型的可行GLS估计： （1）作 的OLS回归，求出OLS残差 （2）作 的回归，求出 （3）用 对方程进行准差分变换，然后OLS估计。常见的标准误、t统计量和F-统计量均是渐近正确的。 12.3 回归元严格外生时序列相关的修正 根据自相关系数的估计和处理第一次观测的方法的不同，AR（1）模型的FGLS估计有许多名称，Cochrane-Orcutt(CO) estimation省略了第一次观测，而Prais-Winsten