序列相关性材料.ppt

* * * * * * * * * * * * * * * * * * * 4. 随机误差项相关系数? 的估计 应用广义差分法，必须已知随机误差项的相关系数?1, ?2, … , ?l ，所以必须首先对它们进行估计。 常用的估计方法有： （1）科克伦-奥科特（Cochrane-Orcutt）迭代法 （2）杜宾（Durbin）两步法 （1）科克伦-奥科特迭代法 以一元模型为例，首先采用OLS法估计原模型： Yt=?0+?1Xt+?t 得到的? 的“近似估计值”，并以之作为观测值使用OLS法估计: ?t =?1?t-1+?2?t-2+??l?t-l+?t 得到 ，作为随机误差项的相关系数 的第一次估计值。 求出?t 新的“近拟估计值”， 并以之作为样本观测值，再次用OLS估计： ?t=?1?t-1+?2?t-2+??l?t-l+?t 其次，将 代入广义差分模型： 进行OLS估计，得到 再次，将 代回原模型: Yt =?0+?1Xt+?t 得到 的第二次估计值 类似地，可进行第三次、第四次迭代。 关于迭代的次数的确定，一般是事先给出一个精度，当相邻两次?1,?2, ? ,?l的估计值之差小于这一精度时，迭代终止。 实践中，有时只要迭代两次，就可得到较满意的结果。两次迭代过程也被称为科克伦-奥科特两步法。 （2）杜宾（Durbin）两步法 再变换差分模型为下列形式 再次进行OLS估计，得各Yj（j =t-1, t-2, …,t-l)前的系数 的第二步估计值 该方法仍是先估计?1,?2,?,?l, 得到第一步估计值 再对差分模型进行估计。 将估计的 代入差分模型 采用OLS法估计得到参数 的估计量，即记为 于是 5. 应用软件中的广义差分法 在Eview软件中，广义差分采用的是科克伦-奥科特（Cochrane-Orcutt）迭代法估计? 在解释变量中引入AR(1)、AR(2)、…，即可得到参数和?1、?2、…的估计值。 其中AR(m)表示随机误差项的m阶自回归。在估计过程中自动完成了?1、?2、…的迭代。 问题：是否还可以用消费模型作为例子？ conspt = β0 + β1gdppt + β2conspt-1 +μt 一元消费模型估计结果： Dependent Variable: CONSP Sample: 1978 2000 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob.?? C 201.1189 14.88402 13.51241 0.0000 GDPP 0.386180 0.007222 53.47471 0.0000 R-squared 0.992710 ????Mean dependent var 905.3304 Adjusted R-squared 0.992363 ????S.D. dependent var 380.6334 S.E. of regression 33.26450 ????Akaike info criterion 9.929800 Sum squared resid 23237.06 ????Schwarz criterion 10.02854 Log likelihood -112.1927 ????Hannan-Quinn criter. 9.954632 F-statistic 2859.544 ????Durbin-Watson stat 0.550636 Prob(F-statistic) 0.000000 DW： 1.26 1.44 一元消费模型广义差分法估计结果： Dependent Variable: CONSP Method: Least Squares Included observations: 22 after adjustments Convergence achieved after 4 iterations Vari