stata上机实验第四讲 自相关.ppt

  1. 1、本文档共38页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
stata上机实验第四讲 自相关

Stata上机实验 误差项存在异方差:Var(u)主对角线上的元素不相等 。 自相关 我们知道,在随机误差项u满足同方差和没有序列自相关的假定下,u的方差协方差矩阵Var(u) 是一个对角矩阵。即Var(u)主对角线上的元素都是相同的常数;非主对角线上的元素为零。当这两个假定不成立时,Var(u) 不再是一个纯量对角矩阵。 误差项存在自相关:非主对角线上的元素不为0 。 考察英国政府如何根据长期利率(r20)的变化来调整短期利率(rs),数据集为ukrates.dta (1)做如下回归: ,其中: 回归方程为: use ukrates,clear tsset month reg D.rs LD.r20 自相关的检验 1。图形法:自相关系数和偏自相关系数 predict e1,res ac e1 pac e1 corrgram e1,lag(10) 2。t检验和F检验(wooldridge) 思想:t检验,如果存在一阶自相关,残差项与其一阶滞后项回归后系数显著,如果解释变量非严格外生,回归时可加入解释变量。 reg e1 L.e1 reg e1 L.e1 LD.r20 同理,可以用F检验检验是否存在高阶自相关 reg e1 L(1/2).e1 3。DW检验:只能检验AR(1)形式的序列相关,并且要求解释变量严格外生。 reg D.rs LD.r20 dwstat 经验上DW值1.8---2.2之间接受原假设,不存在一阶自相关。 DW值接近于0或者接近于4,拒绝原假设,存在一阶自相关。 4。Q检验和Bartlett检验 reg D.rs LD.r20 predict e2,res wntestq e2 wntestq e2,lag(2) wntestb e2 如果不能保证解释变量严格外生,例如解释变量中包含被解释变量的滞后项,可以用以下方法: 5。D-W’s h检验 estat durbinalt estat durbinalt,lag(2) 6。B-G检验 bgodfrey bgodfrey,lag(2) 自相关的处理 1。Newey稳健性估计或者聚类稳健性估计。 reg D.rs LD.r20 newey D.rs LD.r20 ,lag(1) newey D.rs LD.r20 ,lag(2) 系数完全相同,但标准差和t值不同。 2。某些模型中可以通过取对数或者取差分消除自相关。 3。FGLS估计 假设干扰项服从AR(1)过程:一阶准差分。 Cochrane-Orcutt(1949) 估计(舍弃第一期观察值) prais D.rs LD.r20,corc prais D.rs LD.r20,rho(dw) corc Prais-Winsten(1954) 估计(对第一期观察值进行处理 sqrt(1-rho^2)*y1) prais D.rs LD.r20 prais D.rs LD.r20,rho(dw) 时间序列一般样本不会太大,因此不要轻易舍弃。 模型的设定和筛选问题 一。关于变量的选择:是否遗漏了重要变量 1。Link检验。基本思想:如果模型的设定是正确的,那么y的拟合值的平方项将不应具有解释能力。 use wage1,clear reg lnwage educ exper tenure linktest (或许是遗漏了重要的解释变量) gen educ2=educ^2 gen exper2=exper^2 reg lnwage educ exper tenure educ2 exper2 linktest 2。Ramsey检验。基本思想:如果模型设定无误,那么拟合值和解释变量的高阶项都不应再有解释能力。 use wage1,clear reg lnwage educ exper tenure estat ovtest estat ovtest,rhs (或许是遗漏了重要的解释变量) gen educ2=educ^2 gen exper2=exper^2 reg lnwage educ exper tenure educ2 exper2 estat ovtest 二。嵌套模型和非嵌套模型 1。嵌套模型(大模型好还是小模型好) 方法1: reg lnwage educ exper tenure reg lnwage e

文档评论(0)

qiwqpu54 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档