第六章 自相关.docVIP

第六章 自相关（序列相关） §1 自相关的涵义 一、自相关的概念 回归模型中随机扰动项的逐项相关，即 多重共线性和异方差既可出现于时间序列数据，也可于横截面数据。而序列相关则存在与用时间序列数据建立的模型中。 二、自相关的模式 （一）一阶线性自相关 （二）高阶线性自相关 以二阶为例 一般形式为p阶 §2 自相关的产生原因和后果 自相关的产生原因 （一）经济现象固有的惯性 （二）模型的设定偏误 （三）数据处理的影响 自相关的后果 参数估计量仍然是线性无偏的 参数估计量不再具有最小方差性（OLS低估真实方差） 参数的显著性检验失效 §3 自相关的判断 一、图示法 二、游程检验 三、Durbin-Watson检验 适用条件 D-W统计量的构造 D-W统计量与自相关系数的关系 DW检验的判别标准 d=0.121 DW检验的局限性 四、LM检验 根据定义，p阶自相关可表述为： 存在上述自相关时，回归模型 可记为 LM检验为： 原假设成立时 若卡方统计量大于临界点，或者其概率值低于给定的，应当拒绝原假设，认定存在p阶线性自相关。 另一判别方法： 估计模型得到残差，再估计下列模型： 只要 中任意一个t检验结果为显著，均可认定存在自相关。 §3 自相关的解决方法 基本原理－－广义差分法 自相关系数的估计 根据经验估计 csp-csp(-1) c gdp-gdp(-1) 用DW统计量估计 csp-0.9394515*csp(-1) c gdp-0.9394515*gdp(-1) Cochrane-Orcutt迭代法