讲义-7--第五章误差项问题.docVIP

误差项的问题 学习目标 系列相关数据所表现的现象﹑检验方法和估计方法 异方差数据所表现出的现象﹑检验方法和估计方法 （一）系列相关 (Serial correlation) 系列相关的定义 系列相关也叫自己相关(autocorrelation)，是时系列数据分析中经常发生的问题。系列相关意味着误差项之间具有相关性。具体最小二乘法假设中的 假设误差项存在一阶系列相关，我们可以用下面方程式表示： ，。 其中，，说明误差项存在一阶正的系列相关； ，说明误差项存在一阶负的系列相关。 我们称为自己相关系数。一阶相关的方差协方差矩阵为 。 后果 出现系列相关后，用最小二乘法估计参数得到的t-value, F-value以及决定系数都会发生变化，使原本的估计变得没有意义。 发生原因 原因1. 理论模型的建模阶段缺少重要的说明变量； 原因2. 经济行为具有惯性； 原因3. 一些大的事件给经济带来的冲击在一个经济周期内不能完全消失； 原因4. 模型的函数形式不对； 原因5. 数据的时间间隔越短，越容易发生系列相关。 检验 方法1. Durbin-Watoson ratio (DW) 条件 误差项最多存在一阶的相关性； 被说明变量的滞后变量不能作为说明变量； 样本的数量不能太少。 2） 检验方法 检验目的：存在一阶的系列相关，还是系列无关。 检验原理： 假设最小二乘回归的残差为， , 。 当样本数很大时，我们可以用下面的算式近似地求解DW统计量， ， 其中， 。 当的时候，； ----〉 系列存在完全正相关 当， ； ----〉 系列存在正的相关 当的时候，； ----〉 系列完全无关 当， ； ----〉 系列存在负相关 当的时候，。 ----〉 系列存在完全负相关 DW统计检验时，请参考下面的简图。 检验方法 第一步 用最小二乘法(OLS)求出残差 ； 第二步 用替代，计算； 第三步 查表找出相应的，计算； 第四步 把DW与，和 进行比较，得出结论。 3）案例分析 日本1970年到1994年25年间的实质消费支出与实质可支配收入的数据，请参考数据\DW-1.xls。 OLS回归残差图 （1）检验相关的阶数 （1-1） 的OLS结果 　 Coefficients 标准误差 t Stat Intercept -0.11783 0.604907 -0.19479 e(t+2) 0.857891 0.243415 3.52439 e(t+1) 0.213242 0.309822 0.688273 e(t) -0.24939 0.241643 -1.03204 （1-2） 的OLS结果 　 Coefficients 标准误差 t Stat e(t+2) 0.857682 0.23717 3.616312 e(t+1) 0.210663 0.3016 0.698484 e(t) -0.25082 0.235337 -1.06579 （1-3） 的OLS结果 　 Coefficients 标准误差 t Stat e(t+2) 0.845856 0.237714 3.55829 e(t+1) 0.015091 0.240166 0.062835 （1-4） 的OLS结果 　 Coefficients 标准误差 t Stat e(t+2) 0.858103 0.132834 6.459958 ====〉 一阶相关 （2） DW检验法 -3.10556 -1.11737 9.6445335 1.988195616 3.952921806 -1.11737 -2.59123 1-12 -2.59123 -2.61484 6-00.000557374 -2.61484 -8.52715 6-534 -8.52715 -2.90152 72.7122886 5.625632378 31 -2.90152 -1.35177 8.418805 1.549747049 2.401715916 -1.35177 -2.17639 1-00 -2.17639 -1.72614 4.736