六自相关.PPTVIP

计量经济学 引子:t检验和F检验一定就可靠吗? 第六章 自相关 本章讨论四个问题： ●什么是自相关 ●自相关的后果 ●自相关的检验 ●自相关性的补救 第一节 什么是自相关 一、自相关的概念 普通最小二乘法（OLS）要求计量模型的随机误差项相互独立或序列不相关。 如果模型的随机误差项违背了互相独立的基本假设，则认为存在序列相关。 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。 二、自相关产生的原因 自相关现象大多出现在时间序列数据中，而经济系统的经济行为都具有时间上的惯性。 GDP、价格指数、生产、就业与失业等时间序列都呈周期性，如周期中的复苏阶段，大多数经济序列均呈上升趋势，序列在每一时刻的值都高于前一时刻的值，似乎有一种内在的动力驱使这一势头继续下去，直至某些情况（如利率或课税的升高）出现才把它拖慢下来。 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。 因为某些原因对数据进行了修整和内插处理，在这样的数据序列中就会有自相关。 例如，将月度数据调整为季度数据，由于采用了加合处理，修匀了月度数据的波动，使季度数据具有平滑性，这种平滑性产生自相关。对缺失的历史资料，采用特定统计方法进行内插处理，使得数据前后期相关，产生了自相关。 原因4－蛛网现象 设定误差：模型中遗漏了显著的变量 例如：如果对牛肉需求的正确模型应为 Yt=?0+?1X1t+?2X2t+?3X3t+?t 其中：Y=牛肉需求量，X1=牛肉价格，X2=消费者收入，X3=猪肉价格。 但在建模时误将模型设定为： Yt= ?0+?1X1t+?2X2t+vt 那么该式中的随机误差项实际上是：vt= ?3X3t+?t, 于是在猪肉价格影响牛肉消费量的情况下，这种模型设定的偏误往往导致随机误差项中有一个重要的系统性影响因素，使其呈序列相关性。 设定误差：不正确的函数形式 例如：如果边际成本模型应为： Yt= ?0+?1Xt+?2Xt2+?t 其中：Y=边际成本，X=产出。 但在建模时误将模型设定为： Yt= ?0+?1Xt+vt 因此，由于 vt= ?2Xt2+?t ，包含了产出的平方对随机误差项的系统性影响，随机误差项也呈现序列相关性。 由设定偏误产生的自相关是一种虚假自相关，可通过改变模型设定予以消除。 一、自相关对参数估计的影响 1. OLS参数估计量仍具无偏性 2.OLS估计量非有效，不具有最小方差 二、自相关对模型检验的影响 三、对模型预测的影响 一、图示检验法 二、DW检验法 DW 检验是J.Durbin(杜宾)和G.S.Watson(沃特森)于1951年提出的一种适用于小样本的检验方法。DW检验只能用于检验随机误差项具有一阶自回归形式的自相关问题。这种检验方法是建立经济计量模型中最常用的方法，一般的计算机软件都可以计算出DW 值。 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 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。 可知 ，对原模型进行广义差分，得到广义差分方程： 对广义差分方程进行回归，在EViews命令栏中输入 回车后可得方程输出结果如表6.4。 0.000000 Prob(F-statistic) 1.397928 Durbin-Watson stat 393.3577 F-statistic -66.02761 Log likelihood 7.657554 Schwarz criterion 1617.919 S