第12章_自相关(计量经济学)技术方案.ppt

引子:t检验和F检验一定就可靠吗? 第12章 自相关 本章讨论四个问题： ●什么是自相关 ●自相关的后果 ●自相关的检验 ●自相关性的补救 第一节 什么是自相关 一、自相关的概念 自相关（auto correlation），又称序列相关（serial correlation）是指总体回归模型的随机误差项之间存在相关关系。即不同观测点上的误差项彼此相关。 二、自相关产生的原因 三、自相关的表现形式 二、对参数估计的影响 三、对模型检验的影响 四、对模型预测的影响 一、图示检验法 二、DW检验法 DW 检验是J.Durbin(杜宾)和G.S.Watson(沃特森)于1951年提出的一种适用于小样本的检验方法。DW检验只能用于检验随机误差项具有一阶自回归形式的自相关问题。这种检验方法是建立经济计量模型中最常用的方法，一般的计算机软件都可以计算出DW 值。 一、广义差分法 二、Cochrane － Orcutt迭代法 表12.3 1985-2003年农村居民人均收入和消费 （单位：元） 模型的建立、估计与检验 自相关问题的处理 最终模型结果 4.为了研究问题的方便和考虑实际问题的代表意义，我们通常将自相关设定为一阶自相关即AR(1)模式。用一阶自相关系数 表示自相关的程度与方向。当然，实际问题也存在AR(m)模式或其它模式。 5.由于 是不可观测的，通常我们使用 的估计量 判断 的特性。我们可通过 的图形判断自相关的存在，也可使用依据 计算的DW 统计量判断自相关的存在。 据表12.3的数据使用普通最小二乘法估计消费模型得： 该回归方程可决系数较高，回归系数均显著。对样本量为19、一个解释变量的模型、5%显著水平，查DW统计表可知， ，模型中 ，显然消费模型中有自相关。这也可从残差图中看出，点击EViews方程输出窗口的按钮Resids可得到残差图，如图12.6所示。 图12.6 残差图 使用科克伦－奥克特的两步法解决自相关问题:由模型可得残差序列 ，在EViews中，每次回归的残差存放在resid序列中，为了对残差进行回归分析，需生成命名为 的残差序列。在主菜单选择Quick/Generate Series 或点击工作文件窗口工具栏中的Procs/Generate Series，在弹出的对话框中输入 ，点击OK得到残差序列 。使用 进行滞后一期的自回归，在EViews 命今栏中输入ls e e(-1)可得回归方程： 可知 ，对原模型进行广义差分，得到广义差分方程： 对广义差分方程进行回归，在EViews命令栏中输入 回车后可得方程输出结果如表12.4。 0.000000 Prob(F-statistic) 1.397928 Durbin-Watson stat 393.3577 F-statistic -66.02761 Log likelihood 7.657554 Schwarz criterion 1617.919 Sum squared resid 7.558623 Akaike info criterion 10.05584 S.E. of regression 49.34525 S.D. dependent var 0.958472 Adjusted R-squared 231.9218 Mean dependent var 0.960914 R-squared 0.0000 19.83325 0.029410 0.583287 X-0.496014*X(-1) 0.0000 6.742287 8.964957 60.44431 C Prob. t-Statistic Std. Error Coefficient Variable Included observations: 18 after adjusting endpoints Sample(adjusted): 1986 2003 Date: 03/26/05 Time: 12:32 Method: Least Squares Dependent Variable: Y-0.496014*Y(-1) 表12.4 广义差分方程输出结果 由表12.4可得回归方程为：由于使用了广义差分数据，样本容量减少了1个，为18个。查5%显著水平的DW统计表可知 模型中