4.2 序列相关性讲诉.ppt

2、随机误差项相关系数的估计 应用广义最小二乘法或广义差分法，必须已知随机误差项的相关系数?1, ?2, … , ?L 。 实际上，人们并不知道它们的具体数值，所以必须首先对它们进行估计。 常用的估计方法有： 科克伦-奥科特（Cochrane-Orcutt）迭代法。 杜宾（durbin）两步法 该方法利用残差et 去估计未知的ρ。对于一元线性回归模型 (6.32) 假定ut 为一阶自回归形式，即 : (6.33) 科克伦－奥克特迭代法估计ρ 的步骤如下： 使用普遍最小二乘法估计模型 (6.32) 并获得残差： 1 利用残差 做如下的回归 (6.34) 2 3 利用式（6.34）得到的 ，对模型 （6.32）进行广义差分，即 (6.35) (6.36) 令 对式（6.35）使用普通最小二乘法，可得样本回归函数为： 4 因为据式（6.34）得到 并不是对ρ 的最佳估计，必须进一步迭代，寻求最佳估计。由前一步估计的结果有： 将 代入原回归方程（6.32）,求得新的残差如下： (6.37) 5 利用残差 做如下的回归 (6.38) 这里得到的 就是 ρ 的第二轮估计值。 我们并不能确认 是否是ρ 的最佳估计值，我们还要继续估计ρ 的第三轮估计值 。这种方法是迭代法，当估计的 与 相差很小时，就找到了ρ 的最佳估计值。在模型实践中，通常采用科克伦—奥克特两步法。第一步，据式（6.34）估计ρ 。第二步，用估计值 做广义差分，估计广义差分方程的参数。这种两步法与上述迭代方法结果很相近。 类似地，可进行第三次、第四次迭代。 关于迭代的次数，可根据具体的问题来定。 一般是事先给出一个精度，当相邻两次?1,?2, ? ,?L的估计值之差小于这一精度时，迭代终止。 实践中，有时只要迭代两次，就可得到较满意的结果。两次迭代过程也被称为科克伦-奥科特两步法。 （2）杜宾（durbin）两步法 该方法仍是先估计?1,?2,?,?l，再对差分模型进行估计 第一步，变换差分模型为下列形式 进行OLS估计，得各Yj（j=i-1, i-2, …,i-l)前的系数?1,?2, ?, ?l的估计值 应用软件中的广义差分法 在Eview/TSP软件包下，广义差分采用了科克伦-奥科特（Cochrane-Orcutt）迭代法估计?。 在解释变量中引入AR(1)、AR(2)、…，即可得到参数和ρ1、ρ2、…的估计值。 其中AR(m)表示随机误差项的m阶自回归。在估计过程中自动完成了ρ1、ρ2、…的迭代。 如果能够找到一种方法，求得Ω或各序列相关系数?j的估计量，使得GLS能够实现，则称为可行的广义最小二乘法（FGLS, Feasible Generalized Least Squares）。 FGLS估计量，也称为可行的广义最小二乘估计量（feasible general least squares estimators） 可行的广义最小二乘估计量不再是无偏的，但却是一致的，而且在科克伦-奥科特迭代法下，估计量也具有渐近有效性。 前面提出的方法，就是FGLS 注意： 4、虚假序列相关问题 由于随机项的序列相关往往是在模型设定中遗漏了重要的解释变量或对模型的函数形式设定有误，这种情形可称为虚假序列相关(false autocorrelation) ，应在模型设定中排除。 避免产生虚假序列相关性的措施是在开始时建立一个“一般”的模型，然后逐渐剔除确实不显著的变量。 五、案例：中国商品进口模型 经济理论指出，商品进口主要由进口国的经济发展水平，以及商品进口价格指数与国内价格指数对比因素决定的。 由于无法取得中国商品进口价格指数，我们主要研究中国商品进口与国内生产总值的关系。（下表）。 1. 通过OLS法建立如下中国商品进口方程： （2.32） （20.12） 2. 进行序列相关性检验。 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 于是，LM=22?0.6614=14.55 取?=5%，?2分布的临界值?20.05(2)=5.991