第10章自相关习题讲解.ppt

第10章 自相关习题讲解 10.2 自相关的后果 最小二乘估计量仍然是线性的和无偏的。 最小二乘估计量不是有效的。 OLS估计量的方差是有偏的。 通常所用的 检验和 检验是不可靠的。 计算得到的误差方差， （残差平方和/自由度），是真实 的有偏估计量，并且很可能低估了真实的 。 通常计算的 不能测度真实的 。 通常计算的预测方差和标准误也是无效的。 10.3 自相关的诊断 10.3 自相关的诊断 10.3 自相关的诊断 10.3 自相关的诊断 10.3 自相关的诊断 10.3 自相关的诊断 10.3 自相关的诊断 德宾-沃森检验步骤如下： 进行OLS回归并获得残差 。 根据（10.5）式计算 值大多数计算机软件能够实现）。 根据样本容量及解释变量的个数，从DW表中查到临界的 和 。 按照表10-3中的规则进行判定，见图10-5。 10.3 自相关的诊断 10.3 自相关的诊断 10.3 自相关的诊断 10.3 自相关的诊断 10.3 自相关的诊断 10.4 自相关性的补救措施 10.4 自相关性的补救措施 10.4 自相关性的补救措施 10.5 如何估计 10.5 如何估计 10.5 如何估计 10.5 如何估计 案例：中国商品进口模型 1. 通过OLS法建立如下中国商品进口方程： 2. 进行序列相关性检验。 DW检验 则M*关于GDP*的OLS估计结果为： （2）采用科克伦-奥科特迭代法估计? 在Eviews软包下，2阶广义差分的结果为： 本章作业 第三版教材：14.12；14.13；14.15 第四版教材：10.12；10.13；10.15 10.17美国股票价格指数和GDP 10.5 如何估计 应用广义最小二乘法或广义差分法，必须已知随机误差项的相关系数?1, ?2, … , ?L 。 实际上，人们并不知道它们的具体数值，所以必须首先对它们进行估计。 常用的估计方法有： ：一阶差分法 从德宾-沃森 统计量中估计 从OLS残差 中估计 的其他估计方法 科克伦-奥科特（Cochrane-Orcutt）迭代法。 杜宾（durbin）两步法 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. （10-20） Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. （4）科克伦-奥科特迭代法。 以一元线性模型为例： 首先，采用OLS法估计原模型 Yi=?0+?1Xi+?i 得到的?的“近似估计值”，并以之作为观测值使用OLS法估计下式 ?i=?1?i-1+?2?i-2+??L?i-L+?i Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 求出?i新的“近拟估计值”， 并以之作为样本观测值，再次估计 ?i=?1?i-1+?2?i-2+??L?i-L+?i 10.5 如何估计 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 类似地，可进行第三次、第四次迭代。 关于迭代的次数，可根据具体的问题来定。 一般是事先给出一个精度，当相邻两次?1,?2, ? ,?L的估计值之差小于这一精度时，迭代终止。 实践中，有时只要迭代两次，就可得到较满意的结果。两次迭代过程也被称为科克伦-奥科特两步法。 10.5 如何估计 Evaluati