第十章 误差项自相关与异方差精要.ppt

山东财经大学统计学院计量经济教研室 第十章 误差项自相关与异方差 第一节 误差项自相关及其影响 第二节 误差项自相关的检验 第三节 误差项自相关问题的处理 第四节 时间序列中的异方差* 第一节 误差项自相关及其影响 本章我们将研究时间序列数据模型中的自相关问题。为了讨论和理解方便，按照时间序列的习惯做法，我们用t（t=0,1，2…）表示时间序列数据的不同的观测点，称之为“期”，将其作为随机项或其它变量的下标，如ut表示u在第t期所取的值， ut-1表示u在第t-1期所取的值，等等。 二、自相关产生的原因 三、误差项自相关对回归的影响 第二节 误差项自相关的检验 （一）一阶差分法 (二) 德宾(Durbin)两步法 （五）科克伦-奥克特迭代法 (Cochrane-Orcutt Itetative Procedure) 三、非线性回归方法 德宾证明，在无自相关的假设下，h近似服从标准正态分布，所以可以用标准正态分布对其显著性进行检验。这个统计量的缺点是，它并不是总能够计算出来，比如存在多个非严格外生变量时。 其中， 和 分别是模型中yt-1系数估计量的方差和标准差,T是样本容量（长度）。 四、自变量非严格外生条件下，误差项一阶自相关检验 如前所述，DW检验仅适用于自变量严格外生的回归模型。如果模型中存在非严格外生的自变量，如 针对这个问题，德宾(J.Durbin,1970)设计了两种应对方法： 第一，使用调整的DW统计量，即德宾h统计量(Durbin’s h Statistic): DW检验失效。 第二，一阶自回归方法。 这种方法可以应用于含非严格外生自变量的回归方程，而且对非严格外生自变量的个数没有限制，这是它优于德宾h统计量之处。检验步骤类似于自变量严格外生条件下，误差项一阶自相关检验，都是在大样本条件下，检验误差项自回归模型(10.5)的斜率系数 是否为0。 步骤如下： 1. 构造样本回归方程 计算出OLS残差 2. 估计辅助回归方程： (10.8) 与(10.6)相比，(10.8)中等号右边增加了非严格外生的解释变量。 即允许 与 存在相关性，从而保证 在大样本下，渐进服从t分布。而(10.5)忽视了 与 的相关性问题，所以在解释变量非严格外生条件下无法使用。 3.利用常规的t检验方法，检验回归系数 的统计显著性。如果统计显著(即拒绝 )，可以认为随机误差项存在一阶自相关。 如果怀疑误差项存在异方差可以使用对异方差稳健的方差计算 。 五、误差项高阶自相关的布殊-戈弗雷检验（BG检验） 上述几种检验方法均是对误差项一阶自相关的检验。布殊(Breusch)和戈弗雷(Godfrey)将自变量非严格外生条件下的一阶自相关检验扩展到高阶自相关，使其适用于误差项服从AR(p)或MA(q)的情况，被称为布殊－戈弗雷检验（Breusch-Godfrey Test)，简称BG检验。 对于模型 设随机误差项存在p阶自相关： (vt满足古典假定) 检验假设是 (不存在p阶自相关) BG检验步骤如下： 检验假设是 1. 用OLS估计样本回归方程 2. 将 对解释变量和残差的滞后值 进行回归，，估计辅助回归方程： (不存在p阶自相关) 计算出OLS残差 如果确知某个(些)解释变量严格外生，可以将其从等号后面省略掉。 注意：实际应用时，可以从1阶，2阶…逐次向高阶检验。EViews的残差分析中有BG检验的选项，所以使用也比较方便。 3.自相关检验。 有两种检验方法，其一是对假设 作F检验。 其二是计算这个辅助回归模型的决定系数 ，布罗施和戈弗雷证明了误差项不存在p阶自相关的原假设下（要求大样本）， 渐进服从 (其中的T为样本容量)，从而可以对原假设进行 检验。由于 检验基于拉格朗日乘数原理，所以后一种方法也被称为拉格朗日乘数检验（LM Test）。 第三节 误差项自相关问题的处理 通过检验，如果确定模型的随机误差项 存在自相关，就应对产生自相关的原因进行分析。 如果自相关是由于模型中省略某些解释变量造成的,那么