[经济学]计量经济学第二章第三部分.ppt

第三部分 违背基本假定 的诸问题 从判断准则中可以看到，存在着不能确定区域，这是D-W检验法的一大缺陷，若遇到d值落入不能确定区域，一方面可增大样本容量，另外也可采用其它检验方法。 同上 当模型中含有被解释变量的滞后项时，再使用D-W检验就会出现d的取值偏向于2的重大缺陷，造成模型中不存在自相关的假象。此时D-W检验不再适用。于是杜宾于1970年提出了h检验，专门解决这一问题。该检验适用于大样本，一阶自回归形式。 设模型为： 且 ut=ρut-1+εt 3、h检验法 同上 a （1）假设H0： （2）选取检验统计量 （3）给定显著水平a，查标准正态分布表得ua （4）计算h的值 （ （5）判断：当hua时，拒绝H0 ，即认为存在一阶自相关。否则接受H0，即认为不存在一阶自相关。 当 时，检验方法与步骤 同上 （1）假设H0： （2）对模型作OLS估计得残差et， （3）对新模型： 进行OLS估计，然后利用et-1前的系数估计量 的t检验值，对给定显著水平a，查表得ua／2 当 时，检验方法与步骤 五、序列相关的修正方法1、ρ已知时的差分修正方法 差分法是一类克服自相关性的有效方法， 它是将原模型变为差分模型，消除自相关性后，再用OLS法估计差分模型。 差分法 同上 一阶差分法 设模型： 假设随机误差项具有完全正自回归形式 ut=ut-1+εt 首先将模型变换为差分模型： 同上 同上 设模型 ： 记为AR(1)误差项。（AR：Auto Regressive Model） 将原模型滞后一项后，两端同乘以ρ得： 广义差分法 原模型变换为广义差分模型： 同上 因为： ［注］在采用上述变换时，样本观测值损失一期，为了避免这种损失，凯迪雅勒等人提出对第一个观测值作如下的变换： 若样本容量较大时，则无需进行这种变换。 同上 2、ρ未知时的修正方法（1）杜宾两步法 该方法适合于任意阶自回归形式的误差项。 设模型为： 具有一阶自回归形式： 第一，首先对模型进行广义差分变换： 同上 第二，使用OLS法对该模型进行估计得到ρ的估计量 。即Yt-1的系数估计量。 第三，将得到的 代入广义差分模型。 第四，再使用OLS法估计 同上 杜宾两步法适用于各种容量的样本和不同阶的自回归形式，其参数估计量具有渐近有效性。该方法不仅得到ρ的估计量 ，同时也可得到回归参数的估计量。因此是一种简单而又行之有效的方法。 同上 TSP软件操作 以一元为例： ls y c x y(-1) x(-1) (y(-1)的系数即为 ) genr y1=y- *y(-1) genr x1=x- *x(-1) ls y1 c x1 （2）C-O迭代法 C-O迭代法是由柯克兰和奥卡特提出的。其具体步骤是： 第一，使用OLS法对原模型估计，得到残差et 第二，对 使用OLS法估计得到 第三，利用对原模型进行广义差分变换作第一次迭代，得广义差分模型： 第四,对第一次得到的广义差分模型使用OLS估计得到残差。进行自相关检验，如果不存在自相关，迭代结束。求出回归参数的估计量。 同上 若仍存在自相关，则进行第五步。 第五，计算ρ的第二次估计值 第六，利用对原模型进行广义差分变换作第二次迭代，得广义差分模型： 同上 同样的过程可重复进行，反复迭代。求得一串 直到消除自相关为止。但在实际中，人们往往迭代两次就停止迭代过程。因此又称两步迭代法。 TSP软件操作： LS Y C X AR（1） 同上 （3）利用 在样本容量较大，对 的估计精度要求不高时，ρ的估计可用 。但对于小样本而言未必合适。 问题是在实际中，一旦模型出现了自相关性，我们选择哪种方法更合适呢？若我们使用的是大样本，用哪种方法区别都不大，他们都会给出多少类似的结果。若使用的是小样本，情形就不一样了。应根据具体问题，选择适当的修正方法。 同上 实例8 分析河南省的GDP与社会消费品零售额间的关系 1978－2002年，单位：亿元 Y－社会消费品零售额， X－ GDP 存在正自相关 实例8 同上 修正自相关 (1) 使用C-O法 同上 (2)使用杜宾两步法: 同上 因此，用相同的尺度标准去衡量不断变化的偏差是不合适的。我们解决的办法是对于较大（小）的Xi给于较小（大）的权数，显然用 作为e2i的权数是合理的。因此产生了加权最小二乘法。即使加权残差平方和 达到最小。