6_4消除自相关的方法.pptVIP

§6.4 消除自相关影响的方法 一、拟自相关情况 二、真正自相关情况 (一)自相关系数ρ已知的情况 1.广义差分法 设模型;vt满足经典回归的全部假定，且ρ的数值已知。 将(6.4.1)滞后一期并乘以ρ：;变换(6.4.5)称为广义差分变换。将(6.4.4)改写成：;对于多元回归模型，广义差分法也同样适用。 设模型;将(6.4.11) - (6.4.13)得：;由于vt满足经典回归全部假定，因此，可以对模型 (6.4.16)应用OLS法。;利用§6.1节的结果由(6.1.13)式知，有协方差矩阵：;(6.4.34) ;利用P对原模型(6.4.30)作变换： PY＝ＰX β＋ＰＵ (6.4.37);的协方差矩阵为;拟合优度的表达式为：;可以证明P具有如下形式;(6.4.47) ;（二）自相关系数ρ未知的情况 只需将ρ估计出来，用估计值代替（一）中ρ的即可。 1.由d统计量估计ρ 由§6.3节给出的两个ρ的估计式：;由于(6.4.17)是ρ的有偏、相合估计量，故只适用大 样本情况。对于小样本(6.4.18)的偏倚要比(6.4.17) 小些，所以在小样本情下应该用公式(6.4.18)。 2.Cochrane-Orcutt(柯克兰—奥卡特)迭代法 3.区间收索法（Hildreth-Lu法） 4.杜宾(Durbin)两步法 设模型为;(6.4.26) ;第二步，用估计值 对原始数据进行差分变换：;此种方法适用于各种容量的样本，不同阶的自回归 相关形式，其模型参数估计值具有最优渐近性。杜 宾两步法不但求出了自相关系数ρ的估计值，而且 也得出了模型参数的估计值，因此，它是一种简单 而又行之有效的方法。 值得注意地是此方法，在进行差分变换(6.4.28)时， 将损失一个观测值。;5.残差作滞后回归 第一步：对模型 应用OLS求出ut的估计值 。;6. 利用Eviews软件中的AR(1)功能 对模型 ;(四)应用举例 例6.4.1 我们采用表6.4.1的数据(见课本159-156）， 建立模型;查D-W临界值表得到dL =1.10 , du =1.37 ,本例中 d = 1.0803811.10 = dL ,表明随机项ut具有自相关现象。 由于具有自相关现象，直接应用OLS法是不合适的， 因此，必须先消除自相关的影响。; (6.4.52) ;由于差分变换，损失一个数据，所以n＝15，k＝ 1， 对显著水平0.05，查Ｄ-Ｗ表dL＝1.08，du＝1.36，d* 落在接受区内(1.36 1.536008＝d* 2.64)。D-W检 验表明，变换后的模型已无明显的???相关。 于是，原模型的参数估计应为;相应的标准差：;本例也可以利用Eviews软件，对lnx和lny做广义差 分变换： 在命令窗口输入命令： GENR lnx=log(x) GENR lny=log(y) GENR x1=lnx-0.482473*lnx(-1) GENR y1=lnx-0.482473*lny(-1) 然后对x1， y1 应用OLS法估计参数，其结果如 图6.4.1所示。 ;图6.4.1;解法2：残差作滞后回归 1.做回归 得到 。 2.做回归 ， 即 3.广义差分过程与前面相同，不再重复。;解法3 在Eviews软件中，可以直接应用GLS法，处理自相 关的问题，只要在命令窗口输入： LS LNY C LNX AR(1) 即可，其中AR(1)表示进行一阶差分变换的相关系 数。其计算结果如图6.4.4所示。; 图6.4.4 ;图6.4.4的结果直接给出了自相关校正模型：