0900035计量经济学基础_计量经济学3_1002.ppt

授课教授： 叶春辉 浙江大学远程教育学院 2007年5月 计 量 经 济 学 基 础 第3章 序列相关 主要内容 第一节 序列相关性 第二节 序列相关的后果 第三节 序列相关的检验 第四节 广义最小二乘法 第五节 差分法 第一节 序列相关性 对于模型 经典回归分析的一个基本假设是模型的随机误差项之间互不相关，即 如果出现 ，即不同的样本点的随机误差项之间不再是完全相互独立，而是存在某种相关性，则认为出现了序列相关。 【注】由于 ，则序列相关表现为 ，又如果仅存在 ，则称为一阶序列相关或自相关 【注】产生序列相关的原因 在实际问题中，对于时间序列资料，由于经济发展的惯性等原因，经济变量的前期水平往往会影响其后期水平，从而造成模型前后期随机误差项的互相关。 如在建立生产函数模型 Kt，Lt，Tt为t期的资本，劳动和技术，而政策变量没有包含其中，但是它对Qt是有影响的。由于政策有一定的连续性，它对产出的影响在不同的样本点当然具有内在的联系，这就容易导致序列相关。 再如：建立一个消费模型 其中C为总消费，I为总收入 此模型中将消费习惯等变量放入随机误差项之中，但消费习惯等因素也往往具有连续性，不同样本点之间的数据中，这种习惯对消费量的影响存在内在联系，从而导致序列相关。 第二节、序列相关的后果 1、当存在序列相关时，而采用OLS估计得到的参数估计量仍然是无偏的，且是一致估计，但不具有有效性。因为在有效性的证明过程中用到了 ，即同方差和不相关的假设。 2、变量的显著性检验失去意义 3、模型的预测失去意义 第三节、序列相关的检验 1、一阶自相关的D·W检验 一阶自相关可描述为： 其中 为现期误差， 为前期误差，而vt是具有零均值和常数方差的且无序列相关的正态随机误差。一般假设： 由于现期的vt并不影响回归模型中随机误差项以前的各期值 ，故vt与 不相关，即 ，因此可得 与前期各 的协方差： 这些协方差分别称为的一阶自协方差，二阶自协方差，……，k阶自协方差。 由此可得 与前期 的相关系数； 为随机误差项的k阶自相关系数。 下面讨论一阶自相关检验 先用OLS估计得出残差： 根据et，Durbin和Watson构造了如下统计量： 称为D·W统计量。 记 则D·W统计量可表示为 当样本容量较大时，有： 用OLS估计残差 的一阶自相关系数作为的一阶自相关系数的估计量 从而对大样本而言，D·W统计量可近似地表示为： 1．当 时，有d=2，因此当d的值约为2时，便认为没有一阶 自相关 2．当 时，有d=0，因此当d的值约为0时，便认为存在一阶正 自相关 3．当 时，有d=4，因此当d的值约为4时，便认为存在一阶 负自相关 。 检验规则如下： 首先计算统计量d(或者近似值)，然后根据样本容量n及k查D·W表得到临界值dl和du （1）若0ddl，拒绝H0，认为存在正自相关 （2）若dlddu，不能确定是否存在自相关 （3）弱dud4-du，接受H0，认为不存在自相关 （4）若4-dud4-dl，不能确定是否存在自相关 （5）若4- dld4，拒绝，认为存在负自相关 Durbin—Watson d 统计量 H0：无自相关 拒绝H0 无决定区 拒绝H0 不拒绝H0 需要指出，尽管Dw检验在实践中应用十分普遍，但是其应用的限制条件和局限性却不应被忽视。由上述内容可知，应用Dw检验时应注意以下几点： 第一，Dw检验只适用于检验一阶自回归形式的序列相关，而并不适用于检验高阶自回归形式或其它形式的序列相关。 第二，Dw检验要求模型中包含常数