讲义07自相关.docVIP

补充材料 自相关 1. 非自相关假定 由第2节知回归模型的假定条件之一是， Cov(ui, uj ) = E(ui uj) = 0, (i, j ( T, i ( j), (1.1) 即误差项ut的取值在时间上是相互无关的。称误差项ut非自相关。如果 Cov (ui , uj ) ( 0, (i ( j) 则称误差项ut存在自相关。 自相关又称序列相关。原指一随机变量在时间上与其滞后项之间的相关。这里主要是指回归模型中随机误差项ut与其滞后项的相关关系。自相关也是相关关系的一种。 2．一阶自相关 自相关按形式可分为两类。 一阶自回归形式 当误差项ut只与其滞后一期值有关时，即 ut = f (ut - 1), 称ut具有一阶自回归形式。 (2) 高阶自回归形式 当误差项ut的本期值不仅与其前一期值有关，而且与其前若干期的值都有关系时，即 ut = f (ut – 1, u t – 2 , … ), 则称ut具有高阶自回归形式。 通常假定误差项的自相关是线性的。因计量经济模型中自相关的最常见形式是一阶自回归形式，所以下面重点讨论误差项的线性一阶自回归形式，即 ut = ?1 ut -1 + vt (1.2) 其中?1是自回归系数，vt 是随机误差项。vt 满足通常假设 E(vt ) = 0, t = 1, 2 …, T, Var(vt) = (v2, t = 1, 2 …, T, Cov(vi, vj ) = 0, i ( j, i, j = 1, 2 …, T, Cov(ut-1, vt) = 0, t = 1, 2 …, T, 依据普通最小二乘法公式，模型（1.2）中 ?1 的估计公式是， = (1.3) 其中T是样本容量。若把ut, u t-1看作两个变量，则它们的相关系数是 = (1.4) 对于大样本显然有 ( (1.5) 把上关系式代入（1.4）式得 ≈ = (1.6) 因而对于总体参数有 ( = ?1，即一阶自回归形式的自回归系数等于该二个变量的相关系数。因此原回归模型中误差项ut的一阶自回归形式（见模型（1.2））可表示为， ut = ( ut-1 + vt. (1.7) ( 的取值范围是 [-1，1]。当 ( ( 0 时，称ut 存在正自相关；当 ( ( 0时，称ut存在负自相关。当 ( = 0时，称ut不存在自相关。图1.1 a, c, e, 分别给出具有正自相关，负自相关和非自相关的三个序列。为便于理解时间序列的正负自相关特征，图1.1 b, d, f, 分别给出图1.1 a, c, e, 中变量对其一阶滞后变量的散点图。正负自相关以及非自相关性展现的更为明了。 a. 非自相关的序列图 b. 非自相关的散点图 c. 正自相关的序列图 d. 正自相关的散点图 e. 负自相关的序列图 f. 负自相关的散点图 图1.1时间序列及其自相关散点图 下面推导当误差项ut为一阶自回归形式时，ut 的期望、方差与协方差公式。由上式有 E(ut) = E(( ut -1 + vt) = ( E(ut -1) + E(vt) (1.8) 因为对于平稳序列有E(ut) = E(ut -1)，整理上式得 E(ut) = E(vt) / (1- ( ) = 0. (1.9) Var(ut) = E(ut)2 = E(( ut -1 + vt)2 =