[经济学]ch6 自相关.pptVIP

* 第三节 自相关检验 LM自相关检验表 辅助回归 估计结果。 样本容量n=23；R2=0.425817. LM=nR2=9.793792 * 第三节 自相关检验 LM自相关检验相应的伴随概率. LM自相关检验的统计量的值，即LM=nR2. 由检验的伴随概率Prob0.05可以判断，在显著性水平α=0.05的情况下，拒绝“模型不存在（一阶）自相关”的原假设，认为回归模型具有明显的自相关性。 如果DW检验不好使，那么使用LM检验，阶数p=1，就可以了。 * 第三节 自相关检验 案例高阶自相关检验 p=2 p=3 … 就可以使用LM检验法检验随机误差项自相关是否存在，且是几阶自相关。 存在2阶自相关 存在3阶自相关 * 第三节 自相关检验 4. 回归检验法 回归检验法的步骤如下： （1）用给定样本估计模型并计算残差et； （2）对残差序列et (t = 1 ,2 ,… , n ) 用普通最小二乘法进行不同形式的回归拟合: … * 第三节 自相关检验 （3） 对上述各种拟合形式进行显著性检验，若某个回归形式的估计参数具有显著性（t检验显著，显著不为0），则说明随机误差项存在该种形式的自相关。否则，不存在该种形式的自相关。 * 第三节 自相关检验 回归检验法的优点： （1）适合于任何形式的自相关检验； （2）若结论是存在自相关，则同时能提供出自相关的具体形式与参数的估计值。缺点是计算量大。 缺点： 计算量大，需要进行大量试算。 * 第四节 自相关的解决办法 查明原因，再做处理。 （1）数学形式错误设定 如果自相关是由于错误地设定模型的数学形式所致，那么就应当修改模型的数学形式。 （2）省略了重要解释变量 如果自相关是由于模型中省略了重要解释变量造成的，那么解决办法就是找出略去的解释变量，把它做为重要解释变量列入模型。 * 第四节 自相关的解决办法 （3）“真正”自相关 只有当以上两种引起自相关的原因都消除后，才能认为误差项ut “真正”存在自相关。 在这种情况下，解决办法是变换原回归模型，使变换后的随机误差项消除自相关，进而利用普通最小二乘法估计回归参数。 这种变换方法称作广义最小二乘法。 * 第四节 自相关的解决办法 广义最小二乘法 设原回归模型 随机误差项ut具有一阶自回归形式 其中vt 满足通常的假定条件。 （1）将一阶自回归形式的随机误差项带入原模型： * 第四节 自相关的解决办法 （2）原回归模型的t-1期形式，两侧同乘ρ 两侧同乘ρ * 第四节 自相关的解决办法 （3）相减、变量代换，得新模型 两 式 相 减 变量 替换 广义差分变换 * 第四节 自相关的解决办法 对于进行了广义差分得到的新模型 随机误差项vt 满足通常的假定条件，不存在自相关，因此可以对这个模型进行普通最小二乘法参数估计，所得到的参数估计量具有，最优线性无偏估计量（BLUE）性质。 * 第四节 自相关的解决办法 注意： （1）广义差分得到的新模型中的待估参数?1, … , ? k就是原模型中的待估参数?1, … , ? k ，而 则原模型的待估参数?0的计算公式为： （2）这种广义差分变换损失了一个观测值，样本容量变成(n- 1)。为避免这种损失，K. R. Kadiyala(1968)提出对Yt与Xit (i=1,2,…,k)的第一个观测值分别作如下变换: * 第四节 自相关的解决办法 这种变换的目的就是使相应误差项u1的方差与其它误差项u2, u3,…un,的方差保持相等。 作上述变换后，有 则 前面我们已经得到了具有一阶自回归形式的 那么 即u1与其他随机误差项的方差相同。 * 第四节 自相关的解决办法 （3）当随机误差项ut 的自相关具有高阶自回归形式时，仍可用与上述相类似的方法进行广义差分变换。 比如ut具有二阶自回归形式， 则变换过程应首先求出原模型（t-1）期与（t-2）期的两个关系式，然后利用与上述相类似的变换方法建立符合假定条件的广义差分模型。若ut具有k阶自回归形式，则首先求k个不同滞后期的关系式，然后通过广义差分变换使模型的误差项符合假定条件。 对k阶自回归形式，作广义差分变换后，将损失k个观测值。 * 第四节 自相关的解决办法 （4）当用广义差分变量回归的结果中仍存在自相关时，可以对广义差分变量继续进行广义差分直至回归模型中不存