第十一章 自相关.ppt

计 量 经 济 学 基 础 与 应 用;Autocorrelation: What Happens if Error Terms are Correlated?;回 顾;上节课作业;普通最小二乘结果;White异方差检验;如何解读检验结果;加权最小二乘结果;修正的结果如何;修正的结果如何;前 言 ;第一节 自相关的性质;第一节 自相关的性质;精要 图14-1;知识点：自相关的表示;实际经济问题中序列相关性存在的原因 ; 2、模型设定的偏误 ; 3、蛛网现象 ; 4、数据处理;精要 图14-2; 计量经济学模型一旦出现自相关，如果仍采用OLS估计模型参数，会产生与异方差相似的不良后果：;第三节 自相关的检验方法;例14-1 精要 表 14-1;例14-1 精要 表 14-1;第一种检验方法 残差图示法 精要 图 14-3;例14-1 精要 图 14-4;…… ;第二种检验方法 回归检验法;第三种检验方法 DW检验法 ; ;而 是一阶自相关系数的OLS估计; D.W. 检验的步骤:;精要 图 14-5;例14-1 精要 表 14-1;例14-1 的D.W.检验结果;● DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断； ● DW统计量的上、下界表要求 ，这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断; ● DW一般只能检验一阶自相关， DW检验不适应随机误差项具有高阶序列相关的检验; ●只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量 。;D.W.扩展：Durbin h统计量;D.W.扩展：Durbin h统计量;第四种检验方法 拉格朗日乘数检验 ;约束条件H0为真时，大样本下;例14-1 序列相关的LM检验;例14-1 序列相关的LM检验;例14-1 序列相关的LM检验;Q-统计量的表达式为： ; p阶滞后的Q - 统计量的原假设是：序列不存在p阶自相关； 通常会逐步增大计算出不同滞后阶数的Q - 统计量、自相关系数和偏自相关系数。如果，各阶Q - 统计量都没有超过由设定的显著性水平决定的临界值，则接受原假设，即不存在序列相关。 Q-统计量的p值与自由度有关，一个较大的样本容量是保证Q- 统计量有效的重要因素。;第五种检验方法 相关图与Q统计量 ;第五种检验方法 相关图与Q统计量 ;例14-1 相关图与Q统计量结果图;一组随机正态分布的Q统计量图 ;第四节 自相关的修正措施; 修正方法：广义差分法;可以将原模型变换为滞后一期形式: ;第四节 自相关的修正措施; 如何估计? ;第四节 自相关的修正措施;第四节 自相关的修正措施;例14-1 利用OLS估计?;例14-1 广义最小二乘结果;普雷斯-温斯坦转换;例14-1 通过普雷斯-温斯坦转换后回归;第四节 自相关的修正措施;科克伦－奥克特迭代法估计 的步骤如下： 1.使用普遍最小二乘法估计模型 并获得残差： 2.利用残差 做如下的回归，得到;3. 利用 ，对模型进行广义差分，即 令 使用普通最小二乘法，可得样本回归函数为： ;检验 是否存在自相关。如果不存在自相关，就可以求 。 一般是事先给出一个精度，当相邻两次? 的估计值之差小于这一精度时，迭代终止。 ;例14-1 迭代法修正自相关的Eviews实现;例14-1 迭代法修正自相关的Eviews实现;例14-1 迭代法修正自相关的Eviews实现;例14-1 迭代法修正自相关的Eviews实现;本章总结; 4.为了研究问题的方便和考虑实际问题的代表意义，我们通常将自相关设定为一阶自相关即AR(1)模式。用一阶自相关系数 表示自相关的程度与方向。当然，实际问题也存在AR(m)模式或其它模式。 5.由于 是不可观测的，通常我们使用 的估计量 判断 的特性。我们可通过 的图形判断自相关的存在，也可使用依据 计算的DW 统计量判断自相关的存在。;6.如果自相关系数 是已知的，我们可以使用广义差分法消除序列相关。 7.如果自相关系数是 未知的，我们可采用科克伦－奥克特迭代法等方法求得 的估计值，然后用广义差分法消除序列相关。 ; 影响居民消费的因素很多，但由于受各种条件的限制，通常只引入居民收入一个变量做解释变量，即消费模型设定为： 式中，Yt为农村居民人均消费支出，Xt为农村人均居民纯收入，ut为随机误