第四章 序列相关性.docVIP

§4.2 自相关性 教学基本要求 了解自相关的基本含义及数学表现形式、产生后果、诊断方法，掌握自相关的处理方法—广义差分法。 重点：产生后果、诊断方法，广义差分法 难点：广义差分法 一、序列相关性概念 对于模型 ， 随机项互不相关的基本假设表现为 ， 如果对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了序列相关性。 在其他假设成立的条件下，序列相关即意味着 如果仅存在，，称为一阶列相关，或自相关（autocorrelation）。 自相关往往可写成如下形式： 其中：r被称为自协方差系数（coefficient of autocovariance）或一阶自相关系数（first-order coefficient of autocorrelation）。是满足以下标准的OLS假定的随机干扰项： 由于序列相关性经常出现在以时间序列为样本的模型中，因此，本节将用下标代表。 二、自相关性产生的原因 1、经济变量固有的惯性 大多数经济时间数据都有一个明显的特点:惯性，表现在时间序列不同时间的前后关联上。 例如，绝对收入假设下居民总消费函数模型： Ct=b0+b1Yt+mt t=1,2,…,n 由于消费习惯的影响被包含在随机误差项中，则可能出现序列相关性（往往是正相关