第六章自相關性.doc

第六章 自相关 第一节 自相关的概念 一、自相关的概念 1.自相关的概念 在经典假定中，要求线性回归模型中随机误差项满足无自相关，即 （；） 自相关就是指回归模型中随机误差之间相关，即 （） 也可以称为序列相关。 2.一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，，为误差项，且满足所有经典假定，即 满足下列条件： （1）零期望； （2）同方差常数； （3）无序列相关（）； （4）与不相关 则称为为一阶线性自相关，也称为一阶自回归。 3.在满足一阶自回归的形式下，关于的特点 常数 可见当时，且=+，即在满足一阶自回归的形式时，满足零期望假定，满足同方差假定，但不满足 的无自相关的假定。 令，将（6.1.5）式和（6.1.6）式用矩阵表示为： 其中，是自相关系数， 二、自相关产生的原因 自相关产生的原因是多方面的，主要有： 1. 经济变量的惯性作用 2. 模型设定不当的影响 3. 一些随机干扰因素的影响 4. 数据处理的影响 自相关性产生的原因很多，比如，农产品供给反映出的一种“蛛网现象”，即供给对价格的反应滞后了一个时期，因为供给决策的实现需要时间。这种现象也会产生自相关性。另外，还要注意，自相关性一般出现在时间数列中，但在横截面数据中也可能产生自相关现象，这需要具体情况具体分析。 第二节 自相关的后果 一、存在自相关时OLS估计的性质 1.，仍然为线性估计量。 2.，仍是，的无偏估计。 3.参数估计值不再是方差最小的。 二、自相关性的后果 1.参数OLS估计的方差增大。 2.参数的显著性检验失效。 3.区间估计和预测精度下降。 第三节 自相关的检验 一、图示法 一般有两种方法：一种，计算与，然后绘制与的坐标图，若与的图形存在系统反映，则可以判断随机项可能存在自相关，如图6.2所示，近似认为图（a）为正相关，图（b）为负相关。 另一种，可以绘制与时间的二维坐标图，如图（c），（d）所示，图（c）为循环型。不是频繁改变符号，而是连续几个正值之后跟着几个负值，表明存在正相关。图（d）为锯齿型。随时间变化逐次改变符号，说明存在负相关。 二、D-W检验 D-W检验是J.Durbin G.S.Watson于1951年提出的，是检验序列相关常用的方法。 1. D-W检验有其适用条件 （1）解释变量是X为非随机的。 （2）随机项满足一阶自回归形式，即，=+，为误差项，且满足经典 假定。 （3）样本容量一般要求比较大。 （4）线性回归模型中不含有之滞后被解释变量作为解释变量。 2. D-W检验的步骤 D-W检验的步骤一般为： （1）提出假定。 ：，即不存在一阶自相关； ：，即存在一阶自相关。 （2）计算D-W检验的统计量。 当样本容量很大时，有： 则 令 由（6.3.4）式结合（6.1.8）式，可以看出是的估计值，即样本自相关系数。 因，，所以 （3）判断。 首先从直观上，我们可以认为： 若，则，表明存在正相关； 若，则，表明无自相关； 若，则，表明存在负相关。 其次，Durbin和Watson根据样本容量，解释变量的个数，显著水平，确定统 计量的上限临界值和下限临界值。这样，对于原假定，确定判断一阶自回归的 区域： 当时，表明存在一阶正相关，且相关程度随着接近0而逐渐增强； 当或时，表明不能确定存在自相关，此时D-W检验失效； 当时，表明不存在一阶自相关； 当时，表明存在一阶负相关，且相关程度随着接近4而逐渐增强。 D-W检验是常用的一种自相关检验方法，其优点就是计算简便。在EVIEWS软件中，可以直接输出统计量的值。 当然，D-W检验也有不足之处： （1）只适用一阶自回归。 （2）不适用随机解释变量模型。 3. 不能确定的区域 有两个不能确定的区域，一旦出现这种情况，一般可以增大样本容量，或者选取其他样本，要么改变函数的形式，采用其他的检验方法。这里需要指出，当样本容量足够大，不能确定区域是比较小的，例如，=5%，样本容量n=100，解释变量的个数k=1，查