第六章 自相关q.pptVIP

第六章 自相关 一、非自相关假定 二、自相关的来源与后果 三、自相关的检验 四、自相关的解决办法 五、自相关系数的估计 六、案例 第一节 非自相关假定 如果对于不同的样本点，随机误差项之间存在着某种相关性，则认为出现了序列相关性，也就是存在着自相关。即， 对于模型 Yi=?0+?1X1i+?2X2i+…+?kXki+?i i=1,2, …,T 随机误差项互不相关的基本假设表现为 Cov(?i , ?j)=0 i?j, i,j=1,2, …,T 一、自相关的概念 Cov(?i , ?j)≠0 i?j, i,j=1,2, …,T （1）如果误差项只与其滞后一期的值相关，则称误差项存在着一阶自相关，或一阶自回归形式。即 二、自相关的分类 1.按自相关表现形式分类 （2）如果误差项与其滞后若干期（大于1期） 的值相关，则误差项存在着高阶自相关，或 高阶自回归形式。即 计量经济学中最常见的自相关形式为一阶线性自回归形式，如下： ?t=α1 ?t-1 +vt 其中， α1称为自回归系数； vt是满足标准的OLS假定的随机误差项。根据最小二乘原理和相关系数的定义,可以得到: 因此，误差项的一阶线性自回归形式可写为， ?t=ρ?t-1 +vt -1ρ1 为总体相关系数和样本相关系数。 2.按相关系数大小分类 如果相关系数大于0，则称误差项存在着正自相关； 如果相关系数小于0，则称误差项存在着负自相关。 自相关不是指两个或两个以上的变量之间的相关关系，而是指一个变量前后期数值之间存在的相关关系。 a. 非自相关的序列图 b. 非自相关的散点图 c. 正自相关的序列图 d. 正自相关的散点图 e. 负自相关的序列图 f. 负自相关的散点图 第二节 自相关的来源与后果 若给出的回归方程与变量间的真实关系不一致,误差项往往表现出自相关。 1、模型数学形式不妥 一、自相关的来源 X Y 大多数经济时间数据都有一个明显的特点——惯性，表现为滞后值对本期值具有影响。 由于消费习惯的影响被包含在随机误差项中，则可能出现序列相关性（往往是正相关 ）。 例如，绝对收入假设下居民总消费函数模型： Ct=?0+?1Yt+?t t=1,2,…,n 2、经济变量固有的惯性 3、回归方程中略去带有自相关的重要解释变量 在模型中丢掉了重要的解释变量，其影响必然归并到随机误差项中，表现为自相关。 二、自相关存在的后果 1、参数估计量仍具有线性性和无偏性 3、有可能低估误差项的方差 4、模型的预测失效 2、参数估计量非有效 首先，采用OLS法估计原模型，以求得随机误差项的“近似估计量”——残差； 然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。 自相关的检验方法有多种，但基本思路相同： 基本思路: 第三节 自相关的检验 一、图示法 如果残差随时间不断地改变符号，则随机误差项存在负相关；如果残差随时间变化逐次变化但并不频繁地改变符号，则表明随机误差项存在正的自相关。 二、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，该方法应用的前提条件是： （1）随机误差项?i为一阶自回归形式； ?i=??i-1+?i （2）回归模型中不含有滞后应变量作为解释变量，即不应出现下列形式； Yi=?0+?1X1i+??kXki+?Yi-1+?i （3）样本容量应充分大（T15）； （4）回归模型中含有截距项。 杜宾和瓦森针对原假设：H0: ?=0， 即不存在一阶自回归，构如下造统计量： D.W. 统计量: Ρ与DW值的对应关系及意义？ D.W检验步骤: （1）给出假设H0 ：ρ=0；H1：ρ≠0 （2）计算DW值 （3）给定?，由n和k的大小查DW分布表，得临界值dL和dU （4）比较、判断 0 dL dU 2 4-dU 4