第六章 序列相关性课件.ppt

第六章 序列相关性 ;一、序列相关性概念;或;第一节 序列相关性概念;其中：? 被称为自协方差系数(coefficient of autocovariance) 或一阶自相关系数(first-order coefficient of autocorrelation) ?t 是满足以下标准的OLS假定的随机干扰项：;二、自相关的分类 （一）一阶自回归形式 如前所述，当 误差项只与其滞后一期值 有关时，即 则称 具有一阶自回归形式。 （二）高阶自回归形式 当 误差项的本期值不仅与其前一期值 有关，而且与其前若干期的值都有关系时，即， 则称 具有高阶自回归形式。 最常见形式是一阶线性自回归形式，下面重点研究之。;第一节 序列相关性概念;第一节 序列相关性概念;第一节 序列相关性概念;第一节 序列相关性概念;第一节 序列相关性概念;ut;第一节 序列相关性概念;第一节 序列相关性概念;第一节 序列相关性概念;第一节 序列相关性概念;第一节 序列相关性概念;一、实际经济问题中序列相关性的来源 ; 2、模型设定的偏误 ; 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。; 3、数据的“编造”; 计量经济学模型一旦出现序列相关性，如果仍采用OLS法估计模型参数，会产生下列不良后果：;（三）变量的显著性检验失去意义;（四）、模型的预测失效; 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。;一、图示法;二、回归检验法 ;三、杜宾-瓦森（Durbin-Watson）检验法 ; ; D.W检验步骤:; 当D.W.值在2左右时，模型不存在一阶自相关。;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;注意：; 四、拉格朗日乘数（Lagrange multiplier）检验 ; GB检验可用来检验如下受约束回归方程 ;实际检验中，可从1阶、2阶、…逐次向更高阶检验。 ;序列相关性的解决方法首先要看模型产生误差项自相关的原因是不是模型出现了问题，只有当消除了因为模型出现的问题以后，才能认为误差???真正存在自相关，然后，才能用我们下面的方法予以解决。 而考察模型出现问题的方法概括起来主要从两个方面着手。 第一、自相关是由于模型数学形式所致 判断模型数学形式不妥的方法，是用残差ei对解释变量的较高次幂进行回归，然后对新的残差作DW检验，如果此时自相关消失，则说明模型的数学形式有问题，这时应当修改模型的数学形式。;第二、自相关是由于重要的解释变量被省略所致 判断省略了不该省略的重要解释变量的方法，用残差ei对那些可能影响被解释变量但又未被列入模型的解释变量作回归，并作显著性检验，从而确定该解释变量的重要性。如果是重要的解释变量，就应该列入模型，从而修正了模型的形式。 只有当以上两种引起自相关的原因都被消除以后，我们才认为这是我们所要研究的自相关了，这时我们就可以运用广义差分法、科克伦-奥科特迭代法以及德宾两步法等消除误差项自相关，并利用普通最小二乘法进行回归参数的估计。;如果模型被检验证明存在序列相关性，则需要发展新的方法估计模型。; 一、广义最小二乘法;变换原模型： D-1Y=D-1X ? +D-1? 即 Y*=X*? + ?* (*); 对?的形式进行特殊设定后，才可得到其估计值。;第四节 序列相关性的解决方法;;2、l阶线性自回归形式; 广义差分法就是上述广义最小二乘法，但是却损失了部分样本观测值。 如：一阶序列相关的情况下,广义差分是估计; 三、随机误差项相关系数的估计;1、科克伦-奥科特迭代法;求出?i新的“近似估计值”， 并以之作为样本观测值，再次估计 ;类似地，可进行第三次、第四次迭代。;2、杜宾（durbin）两步法;第四节 序列相关性的解决方法;应用软件中的广义差分法;如果能够找到一种方法，求得Ω或各序列相关系数?j的估计量，使得GLS能够实现，则称为可行的广义最小二乘法（FGLS, Feasible Generalized Least Squares）。 FGLS估计量，也称为可行的广义最小二乘