9时间序列数据之序列相关分析.ppt

DW检验 取?=5%，由于n=24，k=2(包含常数项)，查表得： dl=1.27， du=1.45 由于 DW=0.628 dl ，故: 存在正自相关。 拉格朗日乘数检验 （0.23） （-0.50） (6.23) （-3.69） R2=0.6614 2阶滞后： 于是，LM=22?0.6614=14.55 取?=5%，?2分布的临界值?20.05(2)=5.991 LM ?20.05(2) 故: 存在正自相关 3阶滞后： (0.22) (-0.497) (4.541) （-1.842） （0.087） R2=0.6615 于是，LM=21?0.6614=13.89 取?=5%，?2分布的临界值?20.05(3)=7.815 LM ?20.05(3) 表明: 存在正自相关；但ět-3的参数不显著，说明不存在3阶序列相关性。 3. 运用广义差分法进行自相关的处理 （1）采用杜宾两步法估计? 第一步，估计模型 （1.76） (6.64) (-1.76) (5.88) (-5.19) (5.30) 第二步，作差分变换： 则M*关于GDP*的OLS估计结果为： （2.76） (16.46) 取?=5%，DWdu=1.43 (样本容量24-2=22) 表明：已不存在自相关 于是原模型为： 与OLS估计结果的差别只在截距项： （2）采用科克伦-奥科特迭代法估计? 在Eviews软包下，2阶广义差分的结果为： 取?=5% ，DWdu=1.66(样本容量:22) 表明:广义差分模型已不存在序列相关性。 (3.81) (18.45) (6.11) (-3.61) 可以验证: 仅采用1阶广义差分，变换后的模型仍存在1阶自相关性； 采用3阶广义差分，变换后的模型不再有自相关性，但AR[3]的系数的t值不显著。 EViews相关命令 Table4.2.1： EQ02 在命令窗口输入： LS M C GDP AR(1) AR(2) 回车即可 （3）回归模型中不应含有滞后应变量作为解释变量，即不应出现下列形式： Yi=?0+?1X1i+??kXki+?Yi-1+?i （4）回归含有截距项 针对原假设：H0: ?=0， 构如下造统计量： D.W. 统计量: 该统计量的分布与出现在给定样本中的X值有复杂的关系，因此其精确的分布很难得到。 但是，他们成功地导出了临界值的下限dL和上限dU ，且这些上下限只与样本的容量n和解释变量的个数k有关，而与解释变量X的取值无关。 D.W检验步骤: （1）计算DW值 （2）给定?，由n和k的大小查DW分布表，得临界值dL和dU （3）比较、判断 若 0D.W.dL 存在正自相关 dLD.W.dU 不能确定 dU D.W.4－dU 无自相关 正相关 不能确定 无自相关 不能确定 负相关 0 dL dU 2 4-dU 4-dL 4－dU D.W.4－ dL 不能确定 4－dL D.W.4 存在负自相关 当D.W.值在2左右时，模型不存在一阶自相关。 证明： 展开D.W.统计量： (*) 如果存在完全一阶正相关，即?=1，则 D.W.? 0 完全一阶负相关，即?= -1, 则 D.W.? 4 完全不相关， 即?=0，则 D.W.?2 这里， 为一阶自回归模型 ?i=??i-1+?i 的参数估计。 4. 拉格朗日乘数（Lagrange multiplier）检验 拉格朗日乘数检验克服了DW检验的缺陷，适合于高阶序列相关以及模型中存在滞后被解释变量的情形。 它是由戈弗雷(Godfrey)与布劳殊(Breusch)于1978年提出的，也被称为GB检验。 对于模型： 如果怀