即干扰项存在自相关.pptVIP

* 第六章 自相关 （Autocorrelation） 一、自相关问题 自相关是在时间序列资料中按时间顺序排列的观测值之间的相关或在横截面资料中按空间顺序排列的观测值之间的相关。 对于时间序列数据，不同期的样本观测值形成一个序列；横截面数据中按不同空间（省份、厂商、家庭等）排列的样本数据也可看为一个序列。对于一个随机扰动变量u，可以得到其观测值序列： u1，u2， …，ut-1 ，ut 如果在这个序列中，每期的观测值与其前一期或前几期的取值有关，即 Cov(ui,uj) ≠ 0，i≠j 则称该序列存在自相关（Autocorrelation）。 在CLRM中，假定干扰项u不存在自相关，即 Cov(ui,uj) = 0，i ≠j 如果这一条件被破坏，即干扰项存在自相关，那么使用OLS估计就可能存在问题。实际上，在经济计量研究中，自相关是一种常见的现象。如，消费支出要受到当期和前几期收入的影响；某一年的GDP要受到前期的GDP水平的影响；某种商品的供给量要受到前一期的其它变量影响，等等。 自相关产生的原因： 1、经济惯性 大多数经济变量都有沿某一目标状态延续变化的趋势。 2、模型设定不当，造成自相关 ①模型形式设定不当引起自相关； ②遗漏重要解释变量引起自相关； ③忽略经济变量的滞后作用引起自相