计量经济学43序列相关问题.ppt

§2.7 序列相关性Serial Correlation 一、序列相关性 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、解决自相关的方法 如果模型的随机误差项违背了互相独立的基本假设的情况，称为序列相关性。 一、序列相关性 1、序列相关的概念 二、实际经济问题中的序列相关性 为什么会出现序列相关性？下面通过两个例子加以说明。经济活动往往具有惯性。例如，建立行业生产函数模型，以产出量为被解释变量，资本、劳动、技术为解释变量，选择时间序列数据作为样本观测值。于是有： t=1,2,…,n在该模型中，政策因素等，没有包括在解释变量中，但它们对产出量是有影响的，该影响被包含在随机误差项中。如果该影响构成随机误差项的主要部分，则可能出现序列相关性。如果政策因素对前一年产出量的影响是正的，后一年的该影响往往也是正的。于是在不同的样本点之间，随机误差项出现了相关性，这就产生了序列相关性。 三、序列相关性的后果 1、参数估计量非有效 OLS参数估计量仍具无偏性 OLS估计量方差的估计有偏。不具有有效性 在大样本情况下，参数估计量仍然不具有渐近有效性，这就是说参数估计量不具有一致性 2、变量的显著性检验失去意义 在关于变量的显著性检验中，当存在序列相关时，参数的OLS估计量的方差失真，标准差失真，因此t 统计量也失真，从而检验就失去意义。 采用其它检验也是如此。 3、模型的预测区间失效 区间预测与参数估计量的方差有关，在方差有偏误的情况下，使得预测估计不准确，预测可靠性降低。特别在一阶正相关时会低估随机项的方差，夸大估计精度。所以，当模型出现序列相关性时，它的预测区间失真。 四、序列相关性的检验 1、基本思路 序列相关性检验方法有多种，但基本思路是相同的。 首先采用普通最小二乘法估计模型，以求得随机误差项的“近似观察值”： 2、图示法 2、解析法 （1）回归检验法 具体应用时需要反复试算。 回归检验法的优点是： 一旦确定了模型存在序列相关性，也就同时知道了相关的形式； 它适用于任何类型的序列相关性问题的检验。 （3）D.W.检验 D.W.检验是杜宾（J.Durbin）和 瓦森(G.S. Watson)于1951年提 出的一种检验序列自相关的方法。 检验步骤（仅适用于一阶自相关的检验） ①计算D.W.统计量的值 (2.7.1) ②根据样本容量n和解释变量数目k查D.W.分布表，得到临界值dL和dU， ③按照下列准则考察计算得到的D.W.值，以判断模型的自相关状态。 D.W.? 0时，模型存在完全一阶正相关  D.W.? 4时，模型存在完全一阶负相关  当D.W.值在2左右时，模型不存在一阶自相关 （1）从判断准则看到，存在一个不能确定的D.W.值区域，这是这种检验方法的一大缺陷。 （2）D.W.检验虽然只能检验一阶自相关，但在实际计量经济学问题中，一阶自相关是出现最多的一类序列相关； （3）经验表明，常见的是一阶自相关，特别是一阶正相关，高阶序列相关一般较少见。 所以在实际应用中，对于序列相关问题大多只进行D.W.检验。 五、解决自相关的方法 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。 最常用的方法是广义最小二乘法、一阶差分法和广义差分法。 如何得到矩阵?？ 2、一阶差分法 即使对于非完全一阶正相关的情况，只要存在一定程度的一阶正相关，差分模型就可以有效地加以克服。 3、一阶自相关的广义差分法 模型(2.7.8)为广义差分模型，该模型不存在序列相关问题。采用OLS法估计可以得到原模型参数的无偏、有效的估计量。通常用德宾两步法，如下， 一般的广义差分法 模型(2.7.8)为广义差分模型，该模型不存在序列相关问题。采用OLS法估计可以得到原模型参数的无偏、有效的估计量。 广义差分法可以克服所有类型的序列相关带来的问题，一阶差分法是它的一个特例。 4、随机误差项相关系数?的估计 应用广义差分法，必须已知不同样本点之间随机误差项的相关系数?1, ?2,…, ?l 。实际上，人们并不知道它们的具体数值，所以必须首先对它们进行估计。 常用的方法有：迭代法、杜宾两步