计量经济学 第七章 误差序列相关.pptVIP

误差序列相关 第七章 误差序列相关 一、问题的性质和原因 二、发现和判断 三、误差序列相关的处理和克服 一、问题的性质和原因 出现误差序列相关的原因 2、模型设定的偏误 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。 4、蛛网现象 许多农产品的供给反映出一种所谓的蛛网现象。供给对价格的反应要滞后一个时期，是因为供给需要经过一定的时间才能实现。例如，今年年初的作物种植是受去年流行的价格影响的。 误差序列相关的后果 2、变量的显著性检验失去意义 3、模型的预测失效 区间预测与参数估计量的方差有关，在方差有偏误的情况下，使得预测估计不准确，预测精度降低。 所以，当模型出现序列相关性时，它的预测功能失效。 二、发现和判断 （一）残差序列图分析 误差序列相关性分析 二、发现和判断 分析误差序列相关残差分布图 二、发现和判断 （二）杜宾-瓦森检验 DW检验的原理 对线性回归模型 如果误差项有一阶自回归问题，那么 其中的 ， 是均值为0的独立同分布随机变量。 二、发现和判断 根据 和 的性质，有 因此 二、发现和判断 考虑与 有密切关系的DW统计量 (二）杜宾-瓦森检验 DW的精确分布也不清楚，但杜宾和瓦森计算了对应显著性水平0.05和0.01，样本容量在15到100之间且解释变量个数不超过5个的判断误差序列存在一阶正相关性性的DW的临界值表，作为经验检验误差序列相关性的基本工具，该表在书后附录280和281面。 二、发现和判断 检验误差序列正自相关性——DW检验区域图 一阶自相关 无法判断 无一阶自相关性 无法判断 一阶负自相关 二、发现和判断 DW检验只适用于一阶自回归性检验，而且样本数较小或解释变量数较大时不适用。 当解释变量有随机性（分布滞后模型或联立方程组模型中）时不适用。 DW检验存在无法判断的区间。 可以通过增大样本容量来减小无法判断的区间。 三、误差序列相关的处理和克服 （一）一阶差分法 （二）广义差分法 （三）柯-奥迭代法 （四）杜宾两步法 （一）一阶差分法 设线性回归模型为 已知 有很强的一阶自相关性，即 把滞后一期的观测值代入变量关系，得方程： 可得 由于 ，因此 令 ， 可得 因为 ，所以上式近似为 注意 相当于DW 0。 （一）一阶差分法 用该Y和X的一阶差分模型进行回归分析，可以避免模型的误差序列一阶正自相关问题，得到 的参数估计值 ， 的参数估计值 局限性：它只适用于 接近于1的一阶正自相关性，对于如果模型没有误差序列相关性、有负自相关性或只有轻微正自相关性，运用一阶差分模型反而会导致更强的误差序列相关性。 （二）广义差分法 设线性回归模型为 已知 有一阶自相关性，即 把滞后一期的观测值代入变量关系，得方程： 可得 使 ， 根据 可得 如果记 ，所以上式为 （二）广义差分法 广义差分法克服了一阶差分法缺乏针对性的局限，精确程度有较大提高。 但差分变换会减少一个样本容量，这通常可以将对Y和X的第一次观测转换为 假设已知的一阶自回归系数实际上无法知道，只能根据原模型的回归残差序列求 的估计值，由于原模型存在误差序列相关，那么回归残差就会受到影响，从而一阶自回归系数的估计值就会有偏差，从而广义差分法的可靠性就会受到影响。 （三）柯－奥迭代法 运用普通最小二乘法对原模型进行估计，并得到回归残差序列；再根据回归残差序列计算 的第一个估计值，有 （三）柯－奥迭代法 用这个估计量进行广义差分处理，可以消除模型的大部分误差序列相关性。用 作广义差分变换 ，再进行线性 回归，得到估计值 和 ，并计算相应的残差序列。 用 和 的回归残差进行DW检验，如果不存在误差序列相关性问题，说明广义差分已经小出了原模型误差序列相关的影响，把 和