计量经济学教案6.pptVIP

第六章 序列相关性 一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、具有序列相关性模型的估计 六、案例 一、序列相关性概念 称为一阶列相关，或自相关（autocorrelation） 一阶自相关与一阶自回归 若 ，则称为随机误差序列存在一阶自相关，这里主要讨论，满足下列关系的情况： 其中，ρ是自相关系数，vt为随机误差项，且满足所有经典假定，即 满足下列条件： （1）零均值 （2）同方差 （3）无自相关 （4）与ut不相关：则称为为一阶线性自相关，也称为一阶自回归。 二、实际经济问题中的序列相关性 1、经济变量固有的惯性 2、模型设定的偏误 但建模时设立了如下模型： Yt= ?0+?1Xt+vt 因此，由于vt= ?2Xt2+?t, ，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。 3、数据的“编造” 例如：季度数据来自月度数据的简单平均，这种平均的计算减弱了每月数据的波动性，从而使随机干扰项出现序列相关。 还有就是两个时间点之间的“内插”技术往往导致随机项的序列相关性。 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互相独立性时才能成立。 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，预测精度降低。 所以，当模型出现序列相关性时，它的预测功能失效。 三、序列相关性的检验 三、序列相关性的检验 然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。 1、图示法 例：天津市城镇居民人均消费与可支配收入数据 Dependent Variable: Y1 Method: Least Squares Date: 04/12/08 Time: 08:45 Sample: 1978 1999 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 103.4149 18.09948 5.713692 0.0000 X1 0.723491 0.018936 38.20735 0.0000 R-squared 0.986485 Mean dependent var 742.2435 Adjusted R-squared 0.985809 S.D. dependent var 272.8762 S.E. of regression 32.50675 Akaike info criterion 9.887280 Sum squared resid 21133.77 Schwarz criterion 9.986466 Log likelihood -106.7601 F-statistic 1459.802 Durbin-Watson stat 0.548206 Prob(F-statistic) 0.000000 图示法效果一般不明显，没有异方差的效果好。所以，在实际分析中多用如下方法。 回归检验法、DW检验法、LM检验法 2、回归检验法 3、杜宾-瓦森（Durbin-Watson）检验法 D-W检验是杜宾（J.Durbin）和瓦森(G.S. Watson)于1951年提出的一种检验序列自相关的方法，该方法的假定条件是： 当D.W.值在2左右时，模型不存在一阶自相关。 如上例DW=0.548,查DW表N=22,K=1得 dL=1.24,dU=1.43, dL=1.24＞ DW=0.548 所以,存在一阶正自相关形式 4、LM检验 由于DW统计量只适用于一阶自相关检验，而对于高阶检验并不适用。利用LM统计量可以建立一个适用性更强的自相关检验法，既可以检验一阶自相关，也可以检验高阶自相关。 LM检验也是通过一个辅助回归完成的，具体步骤如下 对于多元回归模型： 在EVIEWS中直接有LM检验。 V