计量经济学-6新.pptVIP

第六章 自相关 （Autocorrelation）; 在CLRM中，假定干扰项u不存在自相关，即 Cov(ui,uj) = 0，i ≠j 如果这一条件被破坏，即干扰项存在自相关，那么使用OLS估计就可能存在问题。实际上，在经济计量研究中，自相关是一种常见的现象。如，消费支出要受到当期和前几期收入的影响；某一年的GDP要受到前期的GDP水平的影响；某种商品的供给量要受到前一期的其它变量影响，等等。 自相关产生的原因： 1、经济惯性 大多数经济变量都有沿某一目标状态延续变化的趋势。 2、模型设定不当，造成自相关 ①模型形式设定不当引起自相关； ②遗漏重要解释变量引起自相关； ③忽略经济变量的滞后作用引起自相关；;3、数据处理造成自相关。数据“编造”。数据的加工过程（如季度数据）或推算过程（根据某种假定）获得未调查数据）引起自相关。 4、蛛网现象：应变量对解释变量的反应滞后 5、随机项自身可能存在“真正自相关”性（偶然性冲击对变量的长期影响） 自相关主要出现在时间序列数据中。横截面数据中也可能存在自相关（spatial autocorrelation, 空间自相关）。这种自相关可能来自样本观测值的排序依据——逻辑的或经济的排列的理由。;蛛网理论：（农产品蛛网理论） 需求：dt=a-bpt+ut1 供给：st=-c+dpt-1+ut2 均衡：dt=st;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;如果;二、自相关产生的后果（忽略自相关使用OLS估计的后果） 1、最小二乘估计的方差变大，不再具有最小方差性（但仍满足无偏性） 2、显著性检验失效（不知其服从什么分布，t、F检验失效） 3、降低预测精度;②计算参差 ③作et的散点图： A、作（et-1，et）;B、按时间顺序绘制 （t，et） 若et 随时间变化不断变换符号，说明随机扰动存在负自相关；若连续几个为正，后边几个为负，则随机扰动存在正自相关。;2、杜宾—瓦特森（Durbin-Watson）检验 基本假定： （1）回归式中有截距项 （2）解释变量是非随机的 （3）干扰项的模式为一阶自回归模式：;当DW越接近2，u的自相关性越小。;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;无自相关;检验步骤： （1）做OLS回归，得残差。 （2）计算统计量DW （3）对给定的样本数量和解释变量数目，在给定显著水平下，找出临界值的下界和上界dL、dU 。 （4）根据下表的决策规则决定是否接受原假设。;例，根据某地1971-1991年消费支出与储蓄的统计资料，利用普通最小二乘法所建的回归方程为： Yt=-121.33+2.415Xt (-8.4) (21.32) R2=0.957 F=422.8 经计算得:;四、自相关的解决方法 （一）差分法（适合于自相关系数已知的情形） 若存在一阶自相关，可采用广义差分，利用GLS得到参数的BLUE估计量。 设有一元线性回归模型：;进行OLS估计，然后再计算出估计值。; 最后再计算出β0、β1。 （三）回归检验法（适合于任何自相关形式）