序列相关的修正幻灯片.pptVIP

第六章 序列相关性(自相关) 序列相关的概念 序列相关产生的原因 序列相关性的后果 序列相关性的识别 序列相关性的修正 多元回归建模过程 一、序列相关的概念 序列相关的含义 在古典线性回归模型中，我们假定随机误差项序列的各项之间独立，即Cov(?i,?j)=E(?i?j)=0。 任一次观测的干扰项都不受任何其他观测的干扰项影响 例：上月某个特殊事件对家庭消费支出产生的影响不会波及到本月的消费支出。 如果上述假定不满足，则称之为序列相关，即： Cov(?i,?j)=E(?i?j) ≠0 称为一阶序列相关，或自相关（autocorrelation） 二、序列相关产生的原因 惯性：如GNP、价格指数、生产、失业等时间序列都呈现商业循环，相继的观测值很可能是相依赖的。 设定偏误：不正确的函数形式或应含而未含变量都会使干扰中观察到序列相关性。 序列相关产生的原因（续） 蛛网现象：许多农产品的供给表现出一种所谓的蛛网现象 例如供给对价格的反应要滞后一个时期，即今年作物的种植量是受去年流行的价格影响的，因此，相关的函数形式是： 2、变量的显著性检验失去意义 在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方差性和无序列相关时才能成立。 3、模型的预测失效 区间预测与参数估计量的方差有关，在方差有偏误的情况下，使得预测估计不准确