chap07序列相关和异方差的处理.pdf

第七章 第七章 自相关和异方差的处理 自相关和异方差的处理 在一元线性回归和多元线性回归模型中，假定不存在自 相关和异方差 主要内容： v 自相关形成的原因，有什么性质 v 自相关会导致理论和实际上什么样的结果 v 怎样判断和消除自相关 v 异方差的性质和后果 v 如何侦测异方差 v 如何消除异方差影响 v 多重共线性的性质和后果 v 如何发现和缓解多重共线性 第六章 序列相关和异方差的处理 经济管理学院 6.1 自相关（Autocorrlation）的性质及形成原因 一、自相关概念 对于模型  Y = b + b X  + b X  + L + b X  + m … i  0  1  1 i  2  2 i  k  ki  i  i 1,2, ,n  随机误差项互不相关的基本假设表现为：  Cov ( m , m ) = 0  ≠ ， … i  j  i j i,j 1,2, ,n  如果对于不同的样本点，随机误差项之间不再是不相关 的，而是存在某种相关性，则认为出现了自相关性。 第六章 序列相关和异方差的处理 经济管理学院  自相关常见的一些模式 第六章 序列相关和异方差的处理 经济管理学院 6.1 自相关（Autocorrlation）性质及形成原因 二、自相关产生的原因  1. 惯性 大多数经济时间数据都有一个明显的特点，就是它的 惯性。  GDP、价格指数、生产、就业与失业等时间序列都呈 周期性，如周期中的复苏阶段，大多数经济序列均呈上 升势，序列在每一时刻的值都高于前一时刻的值，似乎 有一种内在的动力驱使这一势头继续下去，直至某些情 况（如利率或课税的升高）出现才把它拖慢下来。因 此，相继的观测值可能是相互依赖的 第六章 序列相关和异方差的处理 经济管理学院  二、自相关产生的原因  2. 设定偏误：模型中遗漏了显著的变量 例如：如果对牛肉需求的正确模型应为  Y  b +b X  +b X  +b X  +m  t  0  1  1t  2  2t  3  3t  t  其中：Y 牛肉需求量，X  牛肉价格，X  消费者收入，X    1  2  3  猪肉价格。 如果模型设定为：  Y  b +b X  +b X  +v  t  0  1  1t  2  2t  t  那么该式中的随机误差项实际上是：v  b X  +m ,  t  3  3t  t  于是在猪肉价格影响牛肉消费量的情况下，这种模型设 定的偏误往往导致随机项中有一个重要的系统性影响因 素，使其呈序列相关性。 第六章 序列相关和异方差的处理 经济管理学院 二、自相关产生的原因 3. 设定偏误：不正确的函数形式 例如：如果边际成本模型应为：  2