七序列相关性.pptVIP

计量经济学—理论·方法·EViews应用 郭存芝 杜延军 李春吉 编著 电子教案 一般情况下居民总消费C受除总收入Y影响外，还受其他因素的影响，如消费习惯等。但这些因素没有包括在解释变量中，它们对消费量的影响被包含在随机干扰项中。如果该项影响构成随机干扰项的主要部分，则可能出现序列相关性，即对于不同的年份，由于消费习惯等因素的惯性，它们对消费量的影响也具有内在联系。在这个例子中随机干扰项表现为正相关。 一般经验表明，对于采用时间序列数据做样本的计量经济学模型，由于在不同样本点上解释变量以外的其他因素在时间上的连续性，带来了他们对被解释变量的影响的连续性，所以往往存在序列相关性。 当D.W.值在2左右时，模型不存在一阶自相关。 D.W.检验的不足： 从判断准则中看到，存在一个不能确定的D.W.值区域，这是这种检验方法的一大缺陷。 而且D.W.检验只能检验一阶自相关， 并且对存在滞后被解释变量的模型无法检验。 D.W检验 广义最小二乘估计量和可行的广义最小二乘估计量的性质：差别？？ 可行的广义最小二乘估计量不再是无偏的，但却是一致的，而且在科克伦-奥科特迭代法下，估计量也具有渐近有效性。 第五节 案例分析 Eviews C-O迭代：quick-estimate equation- Log(Y) log(K) log(N) AR(1) AR(2) （4）杜宾两步法 以上面的一元回归模型为例 以下两步程序来估计 ： 1．对（7-54）进行OLS回归，并把对 的回归系数的估计值 看作对 的一个估计。虽然这个估计值有偏误，但它却是 的一个一致估计。 （7-54） 将广义差分方程改写为： 如果存在完全一阶正相关，即?=1，则 D.W.? 0 完全一阶负相关，即?= -1, 则 D.W.? 4 完全不相关， 即?=0，则 D.W.?2 这里， 为一阶自回归模型 ?t=??t-1+?t 的参数估计。 例7-1 给定一个含有50个观测值的样本和4个解释变量 （含常数项），如果（a）D.W.=1.05，（b）D.W.=1.40， （c）D.W.=2.50，（d）D.W.=3.97 解： 根据D-W检验判断准则可知 （b）D.W.=1.40 ，随机误差项存在一阶正自相关； （d）4? =2.58 D.W.=3.97，随机误差项存在负一阶自相关。 查D.W.分布表可知，当样本数为n=50，解释变量数k=3时，在5%的 为1.42， 为1.67。 显著性水平下D.W.统计量临界值的下界 （a）D.W.=1.05 =1.42，因此随机误差项存在正一阶自相关； （c）4? =2.58 D.W.=2.504? =2.33，不能确定随机误差项是否 存在一阶自相关； 在许多情况下，人们发现上限 差不多就是真实的显著性界限，因而， 如果D.W.的估计值落入不能确定的区域，人们可以使用以下修正的D-W 检验程序。给定显著性水平α： （2）原假设为 ，备择假设为 （1）原假设为 ，备择假设为 如果有 ，则在显著性水平α上拒绝原假设H0，接受 备择假设H1，也就是存在统计上显著的正相关。 如果有 ，则在显著性水平α上拒绝原假设H0，接受 备择假设H1，也就是存在统计上显著的负相关。 在许多情况下，人们发现上限 差不多就是真实的显著性界限，因而， 如果D.W.的估计值落入不能确定的区域，人们可以使用以下修正的D-W 检验程序。给定显著性水平α： （3）原假设为 ，备择假设为 如果有 或者 则在显著性水平α上拒绝原假设H0，接受备择假设H1， 也就是存在统计上显著的自相关。 0 2 4 dL dU 4-dU 4-dL 正 负 无 修正后 正 负 四、拉格朗日乘子检验 拉格朗日乘子检验克服了D-W检验的缺陷，适合于高阶序列相关 及模型中存在滞后被解释变量的情形。它是由布劳殊（Breusch）与 戈弗雷（Godfrey）于1978年提出的，也称为GB检验。 对于模型 （7-24） 如果要检验随机误差项是否存在p阶序列相关： （7-25） 那么检验如下受约束回归方程就是拉格朗日乘子检验： （7-26） 约束条件为 （7-27） 如果约束条件为真，则LM统计量服从大样本下自由度为p的渐近 分布： （7-28） 其中n?p和 分别为如下辅助回归方程的样本容