第5节 计量经济学中的自相关性.ppt

将估计结果与OLS估计相比，OLS估计的常数项估计偏低，斜率系数又估计偏高，而且低估了系数估计值的标准误差。 为了强调采用广义差分变换处理了自相关性问题，可以将有关结果用下述形式标注在模型的右端： [AR(1)=0.929688，AR(2)=-0.579726] t = (4.353917) (-2.897356) 5.4.4 广义最小二乘法与广义差分法的关系 设线性回归模型 其中： 5.5 案例分析——中国商品进口模型 对进口国来说，其经济发展水平决定商品进口情况。根据我国进口商品IM与国内生产总值GDP的关系。有关数据见表5.5.1。试建立中国商品进口模型。 表5.5.1 1989-2006年我国商品进口与国内生产总值数据（亿元） 年份　 国内生产总值GDP 进口总额IM 年份　 国内生产总值GDP 进口总额IM 1989 16992.3 2199.9 1998 84402.3 11626.1 1990 18667.8 2574.3 1999 89677.1 13736.4 1991 21781.5 3398.7 2000 99214.6 18638.8 1992 26923.5 4443.3 2001 109655.2 20159.2 1993 35333.9 5986.2 2002 120332.7 24430.3 1994 48197.9 9960.1 2003 135822.8 34195.6 1995 60793.7 11048.1 2004 159878.3 46435.8 1996 71176.6 11557.4 2005 183084.8 54273.7 1997 78973.0 11806.5 2006 209407 61813.7 1．绘制相关图，确定模型 从IM与GDP趋势图（图5.5.1）看，从1989年到2006年间我国GDP与IM呈现稳定上升时期，从IM与GDP散点图（图5.5.2）看，GDP与IM呈现近似线性关系，因此，可设模型的函数形式为: 2．用OLS估计方法求模型的参数估计 建立工作文件Workfile，输入样本GDP、IM的数据。在命令窗口键入命令: LS IM C GDP 输出如下结果(表5.5.2): 表5.5.2 回归结果 2．自相关检验 (1)图示法 由上述OLS估计，可直接得到残差resid，记为e，在命令窗口输入：scat @trend(1978) e 或在命令窗口输入scat e(-1) e，可以得到 图5.5.3的输出结果。 表5.5.3 回归结果 （4）相关图和Q统计量检验：在方程窗口中点击View＼Residual Test＼Correlogram-Q-statistics，并输入滞后期为12，屏幕将显示残差与滞后值的各期相关系数和偏相关系数，如图5.5.4所示。 从图5.3.4可以明显看出，我国进口模型存在着一阶和二阶自相关性。各阶滞后的Q统计量的值都小于0.05，说明在5%的显著性水平下，拒绝原假设，残差序列存在序列相关。 （5）LM乘数检验：在方程窗口中点击View＼Residual Test＼Serial Correlation LM Test，并选择滞后期为1、2，可得LM(1)=13.49，LM(2)=14.76，对应的p值均小于0.05，因此，随机误差项存在一阶、二阶自相关性。 3．自相关的修正 (1)科克伦—奥克特（Cochrane—Orcutt）迭代法。在命令窗口直接键入： LS IM C GDP AR(1) AR(2) 后，即得如下结果(表5.5.4)。 表5.5.4 回归结果 表5.5.5 回归结果 在方程窗口中点击View＼Residual Test＼Serial Correlation LM Test，并选择滞后期为1、2，可得LM(1)=11.748，LM(2)=12.967，对应的p值均小于0.01，因此，随机误差项存在一阶、二阶自相关性。 用Cochrane—Orcutt迭代估计法，在对话框中键入： LS C log(GDP) log(IM) AR(1) AR(2) 后，去掉不显著的AR(2)，可得如下结果： 表5.5.6 回归结果 表5.5.6 回归结果 在方程窗口中点击View＼Residual Test＼Serial Co