7.序列相关问题预览.pptVIP

据此判断得 ? DW ut的表现 ? = 0 DW = 2 ut 非自相关 ? = 1 DW = 0 ut完全正自相关 ? = -1 DW = 4 ut完全负自相关 0 ? 1 0 DW 2 ut有某种程度的正自相关 -1 ? 0 2 DW 4 ut有某种程度的负自相关 4 2 0 无法判定 无法判定 4 2 0 无法判定 无法判定 注意： 3.拉格朗日乘数（Lagrange Mutiplier）检验 LM检验（又称GB检验）主要是通过建立如下辅助回归模型： 1.广义最小二乘方法（GLS） GLS是最普遍意义的最小二乘估计，在这种意义下，OLS 和 WLS 都是GLS 的 特例。 S4.2.4 解决带有序列相关的线性模型的参数估计问题 GLS 本质上仍然是通过模型变换，得到 一个新的随机误差项满足无序列相关性的线性回 归模型。 具体如下： 对新模型可以利用OLS 以上是理论推导。 实际当中是这样来处理的。 2.广义差分法 注意：作差分模型时，会损失 p 个样本观测值， ３.随机干扰项相关系数的估计 （１）科克伦－奥科特迭代法 (又名迭代法) （２）杜宾两步法 另有：搜索估计法。 可行的广义最小二乘估计量。（Feasible gener