第3章序列相关﹝lan﹞.pptVIP

课件参考 本课件制作过程中重点参阅了以下作者的成果，在此表示衷心的感谢 祝发龙教授，山东工商学院 李子奈教授，清华大学 席尧生教授，重庆商学院 谢识予教授，复旦大学 丁永健教授，大连理工大学 周曙东教授，南京农业大学 序列相关问题 序列相关的特征及其影响 序列相关的类型 序列相关的后果 实际经济问题中的序列相关 序列相关的检验 图示法，DW检验（有局限性）；回归检验 序列相关时的处理办法 关键是求ρ（三种方法，DW,杜宾，迭代） 然后进行广义差分，并估计a0,b1 b0＝a0/(1-? ρ ) b1=b1  第二节 序列相关问题 在原假设中，Cov(ui,uj)=0|i≠j， 对于某实际问题而不为零，即不同样本点之间存在相关性，不是相互独立的，这种现象称为序列相关。 一、序列相关的特征及其影响 1.序列相关的类型 研究序列相关就是研究本期ut的与上s期ut-s之间的相关关系，其序列相关大致有如下类型： ◇按相关变化规律分为正相关、负相关 ◇ 线性相关与非线性序列相关 一般讨论线性序列相关 一阶与多阶序列相关 若 ut 的取值只与它的前一期取值ut-1相关， 即ut = f (ut-1 ) ＋vt , 则称为(一阶)自相关. 一阶线性自相关 ut = ?1 ut-1 + vt ? 为自相关系数 |?| ? 1 ? 0 为正自相关 ? 0 为负自相关 多阶序列相关，其表达式为： 由于经济变量的惯性作用，随着时间的延长而逐渐减弱，线性相关系数的绝对值 |ρ1|,|ρ2|…|ρs| 也会逐渐减小。 经典经济计量学对序列相关的分析 仅限于一阶自相关形式 2.序列相关时 协方差矩阵的描述 ◇随机误差项U的协方差矩阵为： 3.序列相关的后果 1）参数估计量非有效性 OLS估计得到的虽然仍为线性、无偏估计 但，即使在大样本下仍不具有渐进有效性.因为，在有效性证明中利用了 E(UU’)=?2*I 即同方差性和互相独立性条件。 二、实际经济问题中的序列相关 1、惯性作用 大多数经济时间序列都有一个明显的特点，就是它的惯性。众所周知，GDP、价格指数、生产、就业和失业等时间序列都呈现周期循环。相继的观测值很可能是相互依赖的。 由 可知 因变量观测值之间如果存在相关性，则随机扰动项之间也就存在相关性。 2、设定偏误：应含而未含变量的情形 例如，如果真实的回归方程形式为， 其中，被解释变量表示牛肉需求量，解释变量分别为牛肉价格、消费者收入和猪肉价格。 但是在作回归时用的是， 那么，随机扰动项就会出现系统性模式， 从而造成自相关(猪肉价格包含在误差项中) 。 滞后变量模型 例如，在消费支出对收入的时间序列分析中，当期的消费支出除了依赖于收入等其它变量外，还依赖前期的消费支出，如： 设定模型时使用的是， 则可能会出现自相关。因为随机误差项： 3、蛛网现象(Cobweb phenomenon) 许多农产品的供给表现出一种所谓的蛛网现象。例如，供给对价格的反应要滞后一个时期。今年的作物种植是受去年流行的价格影响的。因此，相关的函数形式是： 这种情况下,u不是随机的.农民将根据去年的价格调整今年的生产. 4、数据的统计误差 在经验分析中，许多数据是经过加工而成的。例如，在用到季度数据的时间序列回归中，季度数据通常由月度数据加总而成。 这种平均的计算减弱了每月的波动而引进了数据的匀滑性 。 （1）时间序列数据 容易产生序列相关性 被解释变量除了受模型中的解释变量的影响而外，还受到其他因素的作用，如果这种作用具有连续性，一定也会带给被解释变量连续性的影响。即，样本点的前后相关。 （2）模型设计时，将对被解释变量有影响的因素并入到随机误差项之中，如果这些被遗漏的解释变量的作用成为误差项的主要成分， 它们会产生出系统性的、一贯性的作用，从而造成即随机误差项前后期之间存在相关性。 虚假序列相关 由于省略了显著的解释变量所致。 三、序列相关检验  1、图示法 2、杜宾—