计量经济学第六章.pptVIP

§6.1 序列相关性 引子:t检验和F检验一定就可靠吗? 一、序列相关性概念 二、产生序列相关性的原因 三、序列相关性的后果 四、序列相关性的检验 五、具有序列相关性模型的估计 六、案例 一、序列相关性概念 自相关（auto correlation），又称序列相关（serial correlation）是指总体回归模型的随机误差项之间存在相关关系。即不同观测点上的误差项彼此相关。 称为一阶序列相关，或自相关（autocorrelation） 三、自相关的表现形式 二、自相关产生的原因 1、经济系统的惯性 经济循环的惯性 如GDP、价格、就业等经济指标都会随经济系统的周期而波动。例如，在经济高涨时期，较高的经济增长率会持续一段时间，而在经济衰退期，较高的失业率也会持续一段时间，这种现象就会表现为经济指标的自相关现象。 滞后效应是指某一指标对另一指标的影响不仅限于当期而是延续若干期。由此带来变量的自相关。 例如，居民当期可支配收入的增加，不会使居民的消费水平在当期就达到应有水平，而是要经过若干期才能达到。因为人的消费观念的改变客观上存在自适应期。 原因3－数据处理造成的相关 例如：季度数据来自月度数据的简单平均，这种平均的计算减弱了每月数据的波动性，从而使随机干扰项出现序列相关。 两个时间点之间的“内插”技术往往导致随机项的序列相关性。 原因4－蛛网现象 原因5－模型设定偏误 但建模时设立了如下模型： Yt= ?0+?1Xt+vt 因此，由于vt= ?2Xt2+?t, ，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。 自相关关系主要存在于时间序列数据中，但是在横截面数据中，也可能会出现自相关,通常称其为空间自相关（Spatial auto correlation）。 例如，在消费行为中，一个家庭、一个地区的消费行为可能会影响另外一些家庭和另外一些地区，就是说不同观测点的随机误差项可能是相关的。 多数经济时间序列在较长时间内都表现为上升或下降的超势，因此大多表现为正自相关。但就自相关本身而言是可以为正相关也可以为负相关。 2、变量的显著性检验失去意义 在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方差性和互相独立性时才能成立。 3、模型的预测失效 区间预测与参数估计量的方差有关，在方差有偏误的情况下，使得预测估计不准确，预测精度降低。 所以，当模型出现序列相关性时，它的预测功能失效。 三、序列相关性的检验 三、序列相关性的检验 然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。 1、图示法 2、回归检验法 3、杜宾-瓦森（Durbin-Watson）检验法 D-W检验是杜宾（J.Durbin）和瓦森(G.S. Watson)于1951年提出的一种检验序列自相关的方法，该方法的假定条件是： 4、拉格朗日乘数（Lagrange multiplier）检验 一、广义差分法 二、Cochrane － Orcutt迭代法 表6.3 1985-2003年农村居民人均收入和消费  单位：元 模型的建立、估计与检验 自相关问题的处理 最终模型结果 五、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： 4.为了研究问题的方便和考虑实际问题的代表意义，我们通常将自相关设定为一阶自相关即AR(1)模式。用一阶自相关系数 表示自相关的程度与方向。当然，实际问题也存在AR(m)模式或其它模式。 5.由于 是不可观测的，通常我们使用 的估计量 判断 的特性。我们可通过 的图形判断自相关的存在，也可使用依据 计算的DW 统计量判断自相关的存在。 0.000000 Prob(F-statistic) 1.397928 Durbin-Watson stat 393.3577 F-statistic -66.02761 Log likelihood 7.657554 Schwarz criterion 1617.919 Sum squared resid 7.558623 Akaike info criterion 10.