12.第十二章计量经济学.ppt

Economics 20 - Prof. Anderson 检验一阶自回归形式的序列相关 检验误差项是否序列相关 在ut = rut-1 + et , t =2,…, n中, 需要检验虚拟假设 :r = 0,其中ut 是模型中的误差项， et 是独立同分布的序列 基于回归元的严格外生, 该检验是非常直观的 ,简单地将残差对其滞后项进行回归并使用t检验 检验一阶自回归形式的序列相关(续) 另一种方法就是使用德宾-沃森(DW)统计量, 许多软件包都可以计算它 如果DW统计量大约是2,那么我们就能拒绝序列相关, 然而如果它显著地小于 2,那么我们就不能拒绝序列相关 我们很难计算出临界值,因此进行t 检验更容易操作 检验一阶自回归形式的序列相关(续) 如果回归元不是严格外生, 那么t 检验和DW检验都不能起作用 将残差 (或 y)对滞后残差和所有的x进行回归 引入x允许每个 xtj与ut-1相关, 因此我们不需要严格外生性的假定 高阶形式的序列相关检验 可以用检验AR(1)序列相关的基本方式来检验AR(q)序列相关 只需包含回归产生的残差的q个滞后并对联合显著性进行检验 可使用F检验或LM检验, 其中我们将q阶LM检验称为Breusch-Godfrey检验，并且该LM统计量为(n-q)R2 ,它使用从残差回归中得到的R2 我们还可检验季节性形式的序列相关 对序列相关的校正 从严格外生回归元的情形开始,并保持除了无序列相关之外的所有的高斯-马尔科夫假定 假定误差遵循AR(1),于是有 ut = rut-1 + et , t =2,…, n Var(ut) = s2e/(1-r2) 我们需要试着变换方程式,以便获得无序列相关的误差 对序列相关的校正(续) 考虑到因为yt = b0 + b1xt + ut , 所以 yt-1 = b0 + b1xt-1 + ut-1 如果你将第二个方程式乘以r并被第一个方程式减去,那么你就得到 yt – r yt-1 = (1 – r)b0 + b1(xt – r xt-1) + et , 其中et = ut – r ut-1 这个通过拟-差分运算而得到的无序列相关模型 可行的广义最小二乘估计 用该方法的问题是我们不知道r, 因此我们首先需要获得r的估计值 可以采用从将残差对滞后残差进行的回归得到r的估计值 根据对第一个观测值的处理不同, 可以分为科克伦-奥克特估计或者普莱斯-温斯登估计两种方法 可行的广义最小二乘估计(续) 通常同时进行科克伦-奥克特估计和普莱斯-温斯登估计 上述基本方法可以扩展到更高阶的序列相关AR(q) 大多数统计软件包可以自动提供对自回归模型的校正估计，而不必用手工进行拟-差分运算 序列相关-稳健标准误 如果认为回归元不都是严格外生的, 那么会出现什么情况? 可以遵循与异方差稳健标准误相同的思路，来计算序列相关-稳健标准误 思想是将序列相关问题，计入到普通最小二乘法的标准误计算之中 序列相关-稳健标准误(续) 作通常的普通最小二乘估计，获得残差和均方根误差 运行xt1对 xt2, … , xtk的辅助回归 用?t乘以辅助回归的残差，得到 at 选择g,对于年度数据来说取1到 3, 于是有 * * 时间序列数据 yt = b0 + b1xt1 + . . .+ bkxtk + ut 3. 时间序列的序列相关与异方差 v=∑at2+2∑[1-h/(g+1)][∑atat-h] 并且se(b1) =[SE/s ]2√v ,其中SE是bj的普通最小 二乘标准误 ^ ^ ^ ^ ^ ^ ^ ^ n t=1 g h=1 n t=h+1