计量经济学第6.pptVIP

自相关未消除。考虑到消费不仅仅与收入相关，还与上期的消费有关，（消费的棘轮效应）。 Estimation Equation: Y = C(1) + C(2)*X + C(3)*X(-1) + C(4)*Y(-1) ，表明模型不存在自相关， 但 未通过5％的显著性检验，去掉重新回归： Y = C(1) + C(2)*X + C(3)*Y(-1) 思考题 多重共线的原因和现象 异方差产生的原因和处理方法 自相关产生的原因和后果 结果： 异方差检验： 结果： 判断：各回归元系数均不显著，F检验接受回归元系数为0的原假设，说明不存在异方差。 6.3 自相关 1、自相关的定义： 序列中的观测值之间的相关。 如果某个回归模型的残差存在类似如下关系： 其中 ,说明残差序列存在（一阶）自相关。 2、自相关的产生 A、惯性。对大多数经济变量来说，如GDP、价格指数、就业等时间序列都呈现一种商业循环。 B、模型设定偏误。 6.3 自相关 1）模型变量缺失。 如果模型的形式为： 而我们采用的回归形式为： 则回归误差项： ，误差表现为一种系统性变化的特征，造成自相关。 6.3 自相关 2）忽略了模型的滞后效应。 如在消费模型中，消费不仅仅依赖于当期的收入水平，由于消费者不会轻易改变他们的消费习惯，因此他们的消费支出还依赖于前期的消费支出，既有： 如果忽略了滞后项，则模型的误差项由于滞后变量对当前变量的影响而反映出一种系统性变化的特征，具有自相关。 6.3 自相关 3、自相关的影响。 由于模型假定随机误差项非自相关， 现 ，则误差向量的方差协方差矩阵为： 非对角线上的元素表示误差向量的协方差，非对角线上的元素不为0，表示误差项自相关。 6.3 自相关 与异方差的影响一样， t检验与F检验可能产生严重的误导，得出错误的结论。 6.3 自相关 4、自相关的检验 1）残差序列图分析。 在样本期太短时无法判断。 6.3 自相关 2）DW检验 DW统计量定义为： 其中T为样本容量。 6.3 自相关 由于 依赖于解释变量，因此DW统计量与t统计量及F统计量的检验不同，没有唯一的临界值可以用来检验一阶自相关假设，DW给出上限 与下限 两个临界值。 6.3 自相关 6.3 自相关 其中 为 与 相关系数的估计 6.3 自相关 DW检验： ： ，（ 一阶非自相关） 6.3 自相关 6.3 自相关 DW检验的缺陷： 1）只能检验残差的一阶自相关。 2）当解释变量中出现被解释变量的滞后变量时，DW不再适用。 6.3 自相关 5、自相关的处理。 残差自相关的结构已知——广义差分法。 如果残差一阶自相关： 以一元回归为例，原回归为： （1） 6.3 自相关 则在时刻t-1有： (2) （1）式减去（2）式乘以 ，有： 6.3 自相关 或者表示为： 其中： ，上式的回归为最佳线性、无偏的一致估计。 6.3 自相关 6、例：自相关的处理. 中国宏观消费分析1952－1993，其中X为国民收入，y为居民消费。 消费的年增长曲线YY： 国民收入的年增长曲线XX： 年消费率变化曲线： Estimation Equation: Y = C(1) + C(2)*X 查DW表，在5％的显著性水平上，有 。由于 ，说明模型自相关。 Estimation Equation: LOG(Y) = C(1) + C(2)*LOG(X) 考虑到消费不仅仅与当期的收入相关，还与上期的收入相关， Estimation Equation: Y = C(1) + C(2)*X + C(3)*X(-1) 计量经济学 第6章 多重共线性、异方差和自相关 6.1 多重共线性 1、多重共线性的产生 回归模型的部分解释变量之间存在线性关系，即某个解释变量可以表示为另外解释变量的线性组合。 6.1 多重共线性 完全的多重共线性，解释变量之间存在准确的线性关系，有： 欠完全的多重共线性，解释变量之间高度相关，但又非完全相关，有： 其中 为随机误差。 6.1 多重共线性 2、多重共线性的后果