计量经济学序列自相关推荐.pptVIP

§4.2 序列相关性 一、序列相关性概念 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、具有序列相关性模型的估计 六、案例 一、序列相关性概念 称为一阶列相关，或自相关（autocorrelation） 二、实际经济问题中的序列相关性 1、经济变量固有的惯性 2、模型设定的偏误 但建模时设立了如下模型： Yt= ?0+?1Xt+vt 因此，由于vt= ?2Xt2+?t, ，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。 3、数据的“编造” 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性，从而使随机干扰项出现序列相关。 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。 ——非有效的直观原因：此时对于不同的样本，随机扰动项前后项之间是相关的，这就增加了对n个样本随机扰动项εi(i=1…n)之间关系的“认识”难度，而有效性实质上要求我们在估计参数时，已对样本随机扰动项间的相关性已完全“认识”清楚。 但OLS法只是假定我们已对样本随机扰动项“认识”清楚了，这一假定就是样本随机扰动项间不相关，显然，这一假定与事实有时并不相符。 2、变量的显著性检验失去意义 三、序列相关性的检验 然后，通过分析这些“近似估计量”之间的变化特征，以判断随机误差项是否具有序列相关性。 1、图示法 2、杜宾-瓦森（Durbin-Watson）检验法 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，该方法的假定条件是： 结论：当D.W.值在2左右时，模型不存在一阶自相关。 直观解释： 对于检验仪器 ，想一下，在 正序 列相关时，DW是相对更大还是更小？在负序列相关时呢？为什么？ 3.回归中含有滞后因变量时的检验 （1）模型形式 Yt=α+βYt-1+γXt+εt (2)后果 如果用通常的DW进行检验，那么即使εt存在自相关，DW也往往接近于2。 （3）直观原因 Yt的变化规律与εt相似，所以一旦在模型中加入了Yt-1，那么作为εt估计的 中实际上就已将本来的一阶滞后因素剔除了，即 已无法反映真实的εt的变化。 （4）修正后的“仪器” (5)进一步的修正 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。 （1）科克伦-奥科特迭代法 类似地，可进行第三次、第四次迭代。 关于迭代的次数，可根据具体的问题来定。 一般是事先给出一个精度，当相邻两次?1,?2, ? ,?L的估计值之差小于这一精度时，迭代终止。 实践中，有时只要迭代两次，就可得到较满意的结果。两次迭代过程也被称为科克伦-奥科特两步法。 应用软件中的广义差分法 在Eview/TSP软件包下，广义差分采用了科克伦-奥科特（Cochrane-Orcutt）迭代法估计?。 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。 五、案例：中国商品进口模型 1. 通过OLS法建立如下中国商品进口方程： 2. 进行序列相关性检验。 DW检验 则M*关于GDP*的OLS估计结果为： （2）采用科克伦-奥科特迭代法估计? 在Eviews软包下，2阶广义差分的结果为： 第二节 异方差问题 §4.1 异方差性 二、异方差的类型 同方差性假定：?i2 = 常数 ? f(Xi) 异方差时： ?i2 = f(Xi) 三、实际经济问题中的异方差性 例4.1.1：截面资料下研究居民家庭的储蓄行为 Yi=?0+?1Xi+?i Yi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入 四、异方差性的后果 直观解释： 有效性要求我们对随机扰动项的波动及它们的之间的关系，必须有着清晰的认识，但一般OLS在估计时是假设我们已对随机扰动项有了清晰的认识，这个假设的认识就是：随机扰动项间是不相关的，而且波动规律是完全一样的。 五、异方差性的检验 检验思路： 3、怀特（White）检验 怀特检验不需要排序，且适合任何形式的异方差 怀特检验的基本思想与步骤（以二元为例）： 六、异方差的修正 七、案例--中