第八章自相關.ppt

第八章 自相关 一、自相关概念 二、实际经济问题中的自相关 三、自相关的后果 四、自相关的检验 五、案例 一、自相关（序列相关）概念 称为一阶自相关，或自相关（autocorrelation） 二、实际经济问题中的自相关 1.经济变量固有的惯性 2.模型设定的偏误 又如：如果真实的边际成本回归模型应为： Yt= ?0+?1Xt+?2Xt2+?t 其中：Y=边际成本，X=产出。 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，随机项也呈现自相关。 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自相关。 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，当模型出现自相关时，它的预测功能失效。 三、自相关的检验 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自相关。 1. 图示法 2. 回归检验法 3. 杜宾—瓦尔森（Durbin-Watson）检验法 D-W检验是杜宾（J.Durbin）和瓦尔森(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： （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 当D.W.值在2左右时，模型不存在一阶自相关。注：在Eviews的回归结果中已经自动计算出来了 如果模型被检验证明存在自相关，则需要发展新的方法估计模型。 1. 广义差分法 广义差分法是将原模型变换为满足OLS法的差分模型，再进行OLS估计。 注意： 广义差分法就是广义最小二乘法（GLS）的一种，但是此法却损失了部分样本观测值。 如：一阶自相关的情况下，广义差分是估计 广义差分法(? 已知）的具体运用 2. 随机误差项相关系数的估计（ ? 未知） 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。 简单的方法有：（1）由DW-d统计量中估计? （2）从OLS残差中估计?： 较为复杂的方法 科克伦-奥科特（Cochrane-Orcutt）迭代法 杜宾（durbin）两步法 （1）科克伦-奥科特迭代法 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。 3. 虚假自相关问题 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自相关(false autocorrelation) ，应在模型设定中排除。 避免产生虚假自相关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 1.通过OLS法建立如下中国商品进口方程 2. 进行自相关检验 DW检验 则M*关于GDP*的OLS估计结果为： （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： 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。 以一元线性模型为例： 首先，采用OLS法估计原模型 Yi=?0+?1Xi+?i 得到的?的“近似估计值”，并以之作为观测值使用OLS法估计下式 ?i=?1?i