计量经济学第六章序列相关性.pdf

§6.1 序列相关性 Serial Correlation 1 引子:t检验和F检验一定就可靠吗? 研究居民储蓄存款Y 与居民收入X 的关系： Y  =+ X +u t 1 2 t t 用普通最小二乘法估计其参数，结果为 ˆ Y =27.9123+0.3524X t t （1.8690）(0.0055) t = (14.9343) (64.2069) R 2 0.9966 F 4122.531 2 检验结果表明：回归系数的标准误差非常小，t 统 计量较大，说明居民收入X 对居民储蓄存款 Y 的 影响非常显著。同时可决系数也非常高，F统计量 为4122.531，也表明模型异常的显著。 但此估计结果可能是虚假的，t统计量和F统计量 都被虚假地夸大，因此所得结果是不可信的。为 什么? 3 §6.1 序列相关性 一、序列相关性概念 二、产生序列相关性的原因 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 4 一、序列相关性概念 对于模型 Y = +X +X +…+X + i=1,2, …,n i 0 1 1i 2 2i k ki i 随机项互不相关的基本假设表现为 Cov( , )=0 ij , i,j =1,2, …,n i j 如果对于不同的样本点，随机误差项之间存在 某种相关性，则认为出现了序列相关性。 5  自相关（auto correlation ），又称序列相关 （serial correlation ）是指总体回归模型的随 机误差项之间存在相关关系。即不同观测点 上的误差项彼此相关。 6 如果仅存在 E(  )0 i=1,2, …,n i i+1 称为一阶序列相关，或自相关（autocorrelation ） 自相关往往可写成如下形式： = + -11 i i-1 i 其中： 被称为 协方差系数 （coefficient