自相关〔序列相关〕.pptVIP

第五章 自相关(序列相关) 第一节 自相关的定义 第二节 自相关的检验 第三节 自相关模型的修正 附加：ARCH模型简介 第一节 自相关的定义 一、对于模型 有基本假设: 如果随机误差项之间不再是完全互相独立 ,即有: 认为模型出现自相关(序列相关)性。又因为有假设 ，自相关也可表示为： 如果仅是 ，称有一阶自相关 二、实际经济问题中的序列相关性 自相关产生的原因 1、惯性 2、解释变量的设定误差； 3、不准确的函数形式 4、“蛛网”现象 5、数据处理中的“技术”原因。 1、惯性 大多数经济时间数据都有一个明显的特点，就是它的惯性。 GDP、价格指数、生产、就业与失业等时间序列都呈周期性，如周期中的复苏阶段，大多数经济序列均呈上升势，序列在每一时刻的值都高于前一时刻的值，似乎有一种内在的动力驱使这一势头继续下去，直至某些情况（如利率或课税的升高）出现才把它拖慢下来。 2、设定偏误：模型中遗漏了显著的变量 例如：如果对牛肉需求的正确模型应为 Yt=?0+?1X1t+?2X2t+?3X3t+?t 其中：Y=牛肉需求量，X1=牛肉价格，X2=消费者收入，X3=猪肉价格。 如果模型设定为： Yt= ?0+?1X1t+?2X2t+vt 那么该式中的随机误差项实际上是：vt= ?3X3t+?t,