第六篇+自相关.pptVIP

3、 将低估真实的 ，这将使参数估计值的方差被进一步低估。可以证明： 三、对模型检验的影响 当存在自相关时，如果忽视自相关问题，仍然用OLS去估计参数及其方差，会低估真实的 ，更会低估参数估计值的方差。由于对参数显著性检验的t统计量为 当参数估计值的方差被低估时，其标准误 也将被低估，从而高估t统计量的值，会夸大参数的显著性，通常的回归系统显著性的t检验将是无效的。 DW检验法的前提条件： 1）解释变量X为非随机的； 2）随机误差项为一阶自回归形式： 3）线性模型的解释变量中不包含滞后的被解释变量； 4）截距项不为零，即只适用于有常数项的回归模型。 5）数据序列无缺失。 * 可知 ，对原模型进行广义差分，得到广义差分方程： 对广义差分方程进行回归，在EViews命令栏中输入 ls Y-0.8148*Y (-1) c X-0.8148*X (-1) ， 回车后可得方程输出结果如表6.4。 =0.8148 * 广义差分方程输出结果 * 由表6.4可得回归方程为： 由于使用了广义差分数据，样本容量减少了1个，为22个。查5%显著水平的DW统计表可知dL = 0.997，dU = 1.174，模型中DW = 1.3979 dU， 说明广义差分模型中已无自相关。同时，