[高等教育]新第六章 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 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。 如GDP、价格、就业等经济指标都会随经济系统的周期而波动。例如，在经济高涨时期，较高的经济增长率会持续一段时间，而在经济衰退期，较高的失业率也会持续一段时间，这种现象就会表现为经济指标的自相关现象。 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 模型形式设定偏误也会导致自相关现象。如将 形成本曲线设定为线性成本曲线，则必定会导致自相关。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。 自相关关系主要存在于时间序列数据中，但是在横截面数据中，也可能会出现自相关,通常称其为空间自相关（Spatial auto correlation）。 例如，在消费行为中，一个家庭、一个地区的消费行为可能会影响另外一些家庭和另外一些地区，就是说不同观测点的随机误差项可能是相关的。 多数经济时间序列在较长时间内都表现为上升或下降的超势，因此大多表现为正自相关。但就自相关本身而言是可以为正相关也可以为负相关。 三、自相关的表现形式 二、对参数估计的影响 四、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。 注意：该DW统计量的分布与出现在给定样本中的X值有复杂的关系，因此其精确的分布很难得到。 DW的贡献在于成功导出了上下限 该上下限只与样本容量N和解释变量个数K有关，与解释变量X的取值无关。 一、广义差分法 二、Cochrane － Orcutt迭代法 因此，普通最小二乘法的方差 通常会低估 的真实方差。当 较大和 有较强的正自相关时，普通最小二乘估计量的方差会有很大偏差，这会夸大估计量的估计精度，即得到较小的标准误。 因此在有自相关时，普通最小二乘估计 的标准误就不可靠了。 一个被低估了的标准误意味着一个较大的t统计量。因此，当 时，通常t统计量都很大。这种有偏的t统计量不能用来判断回归系数的显著性。 类似地,由于自相关的存在,参数的最小二乘估计量是无效的，使得F检验和t检验不再可靠。 模型预测的精度决定于抽样误差和总体误差项的方差 。抽样误差来自于对 的估计，在自相关情形下， 的方差的最小二乘估计变得不可靠，由此必定加大抽样误差。同时，在自相关情形下，对 的估计 也会不可靠。由此可看出，影响预测精度的两大因素都会因自相关的存在而加大不确定性，使预测的置信区间不可靠，从而降低预测的精度。 第三节 自相关的检验 本节基本内容: ● 图示检验法 ● DW检验法 图示法是一种直观的诊断方法，它是把给定的回归模直接用普通最小二乘法估计参数，求出残差项 ， 作为 随机项的真实估计值，再描绘 的散点图，根据散点图来判断 的相关性。残差 的散点图通常有两种绘制方式 。 图 6.1 与 的关系 绘制 的散点图。用 作为散布点绘图，如果大部分点落在第Ⅰ、Ⅲ象限，表明随机误差项 存在着正自相关。 如果大部分点落在第Ⅱ、Ⅳ象限，那么随机误差项 存在着负自相关。 et-1 et 图 6.2 et与et-1的关系 二、对模型检验的影响 按照时