[经济学]第6章 自相关.ppt

计量经济学基础 第六章 自相关 主要内容 第一节 非自相关假定 第一节 非自相关假定 第二节 自相关的来源与后果 1、经济变量固有的惯性 2、模型设定的偏误 3、数据的“加工整理” 例如：季度数据来自月度数据的简单平均，这种平均的计算减弱了每月数据的波动而引进了数据中的平滑性，这种平滑性本身就能使干扰项中出现系统性的因素，从而出现序列相关。 还有就是两个时间点之间的“内插”技术往往导致随机项的序列相关性。 4、蛛网现象 例如，农产品供给对价格的反映本身存在一个滞后期： St= ?0+?1Pt-1+ut 意味着，农民由于在年度t的过量生产（使该期价格下降）很可能导致在年度t+1时削减产量，因此不能期望随机干扰项是随机的，往往产生一种蛛网模式。 一般经验 　一般经验告诉我们，对于采用时间序列数据的计量经济模型，由于不同样本点上随机误差项在时间上是连续的，因此它们对被解释变量的影响也存在连续性，所以往往会存在序列相关性。 　需要注意的是：在截面数据中也可能产生序列相关性（截面数据中的序列相关常称为空间相关）。例如在研究家庭收入与消费的关系中，家庭之间的消费攀比就可能产生空间相关现象。 基本思路 序列相关性检验方法有多种，但基本思路和步骤是相同的。 首先采用普通最小二乘法估计模型，以求得随机误差项ui的“近似估计量”： 　然后，通过分析这些“近似估计量”之间的相关性，以达到判断随机误差项是否具有序列相关性的目的。 2、德宾-沃森（Durbin-Watson）检验法 D-W检验是德宾（J.Durbin）和沃森(G.S. Watson)于1951年提出的一种检验序列自相关的方法。(使用范围：一阶自相关) 2、德宾-沃森（Durbin-Watson）检验法 2、德宾-沃森（Durbin-Watson）检验法 ①计算D.W.统计量的值， 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，以判断随机误差项是否存在一阶自相关。 容易证明，当D.W.值在2左右时，模型不存在一阶自相关。 注意： （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，如果不存在一阶自相关，一般也不存在高阶序列相关。 所以在实际应用中，对于序列相关问题一般只进行D.W.检验。 3、LM检验（或BG检验） 此方法不仅适用于一阶自相关检验，也适用于高阶自相关的检验。 检验步骤： 1、用OLS对回归模型进行，得到残差序列et； 2、运用残差序列和样本观测值中的解释变量，建立如下辅助回归模型并进行OLS估计，得到样本可决系数R2； 3、LM检验（或BG检验） 4、回归检验法 4、回归检验法 如果随机误差项被检验证明存在序列相关性，首先应分析产生自相关的原因，如果是由于模型设定偏误，则应修改模型的数学形式。 如果模型产生自相关的原因是模型中省略了重要解释变量，则解决方法就是找出被省略了的解释变量，将其作为解释变量列入模型。 只有当上两种引起自相关的原因都消除以后，才能认为随机误差项“真正”存在自相关，此时需要对原模型进行变换，使变换以后的模型的的随机误差项自相关得以消除，进而利用普通最小二乘法估计回归参数 　对于多元线性回归模型，如果随机误差项存在一阶自相关，则可以按照如下思路来矫正自相关对模型估计结果的影响。 注意： 上述广义差分变换使得样本观测值由T个减少为T－１个，为了弥补这一缺陷，通常在变换后的模型估计过程中，加入下述观测值。 第五节　随机误差项相关系数的估计 应用广义最小二乘法或广义差分法，必须已知随机误差项的相关系数?1, ?2, … , ?n 。 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。 常用的估计方法有： 附：应用软件中的广义差分法 注意，上面两种方法给出的都只是ρ的近似估计，精确的估计要使用科克伦-奥科特（Cochrane-Orcutt）迭代法。 Eview提供了科-奥迭代法进行自相关修正的软件实现。具体方法是：在解释变量中引入AR(1)、AR(2)、…，即可得到参数和ρ1、ρ2、…的估计值。其中AR(m)表示随机误差项的m阶自回归。在估计过程中自动完成了ρ1、ρ2、…的迭代。 怎样查明此种自相关？一种方法是用残差et对那些可能影响被解释变量而未被列入模型的解释变量进行回归，并作显著性检验，从而确定该解释