计量金融学计量金融学-3-1.pptVIP

图3.4 自相关性图示检验 0 (b) t t 0 (a) (c) (d) 正相关 正相关 负相关 负相关 2．DW检验 在第二章中，已介绍过Durbin和Watson构建的DW统计量，可以直观地判断残差的自相关性，对序列的自相关性进行检验。具体地，以下列模型为例 DW统计量： 德宾和沃森给出了在显著性水平5%和1%，不同的样本容量 和解释变量的个数 的上下限检验临界值 判断准则： 若 则拒绝 并且序列存在正相关 若 则接受 并且序列无自相关 若 则拒绝 并且序列存在负相关 若DW 落入区间并非上述三个的人一个，则无法判定。此时检验失效。 当序列不相关是，DW 应接近与2 例3.2 为了研究中国银行股票对于上证指数的影响程度，选取2006年7月5日到2007年1月19日上证指数的收盘价序列Y和中国银行的后复权收盘价序列x，共135组数据(资料来源：wind资讯)。建立回归方程， 用最小二乘法估计结果为： 采用图示法判断自相关性，得残差图如下： 左侧是 图；右侧是 图，均可以直观得出存在正相关的结论 运用DW检验，可知此回归方程的DW统计值为0.1016，查表(附表5)可知在样本容量100，解释变量数k=1，显著性水平为0.05时 DW值远小于 而且接近0，可以断定存在严重的正相关 (三)自相关问题的解决(序列相关的修正) 1．广义差分法 对模型 其误差项满足一阶自相关 如果自相关系数 已知，可通过差分法对模型作变换，使误差项满足无自相关的假定，从而进行最小二乘法估计. 具体如下： 将原模型滞后一期，两边乘以 得 原模型与上式相减得到： 令 则 至此，变换后模型的误差项 满足经典假定，可以进行普通最小二乘法估计 对于最终的常数项的估计是 的估计除以 2．Durbin两步法与Cochrane-Orcutt法 如果自相关系数 未知，可利用回归算出的DW统计量来算出 值，或是构建辅助回归 来求出 值，再进行差分运算，其思想与广义差分法较为类似。 对一次差分后的普通最小二乘法残差序列 进行检验，如果仍然存在自相关，则要继续进行迭代和差分，直到残差不存在自相关为止。在实际处理中，一般两次迭代，就基本满足无自相关的要求了。 (例子参见教材81页) 三、多重共线性(Multicollinearity) （一）多重共线性问题提出 在第二章介绍经典多元线性回归模型中，其中一个假定是多元线性回归的各个解释变量之间不存在线性相关。然而，在现实经济中，当构建多元线性回归模型时，不可避免的引入两个或两个以上变量，而这些变量之间或多或少的存在相互关联。当这些解释变量之间高度相关甚至完全线性相关时，就出现所谓的多重共线性问题。 多重共线性包括完全多重共线性和近似多重共线性。完全多重共线性是指若干解释变量或全部解释变量之间存在着严格的共线性关系 比如：对于多元线性回归模型： 如果存在一组不全为0的常数 使得 成立，则称模型存在完全多重共线性。如果存在 则模型存在近似多重共线性，有时上式也可表达为 其中， 是随机误差项 多重共线性产生的原因： (1)经济变量之间的内在联系。很多经济变量之间存 在着因果关系，或是共同受其它因素的影响，比 如说，收入消费等宏观经济指标在经济繁荣时都 趋向增长，而在经济衰退时在有所衰减，在长期 内变化存在一致性。 (2)数据的收集和计算方法。比如说，抽样限于总体 中多个回归元取值的一个有限制的范围内。 (3)模型设定偏差。比如说，在解释变量的范围很小 情况下，在回归方程中添加多项式。 模型存在多重共线性的后果： (1)参数估计值不准确，t值变小，得出错误结论。 原因：存在多重共线性时，最小二乘法估计量的方 差随着共线性的增强而增大。对含有k个变量的回 归模型，解释变量 的偏回归系数的方差为： 式中 为方差膨胀因子，其中 是 与 其它解释变量辅回归的判定系数. 一般认为方差膨胀因子大于10时，模型存在着较为严重的共线性 (2)无法区分单个变量对被解释变量的影响作用 在多重共线性情况下，最小二乘法的估计量不是 唯一确定的，而且在考察各个解释变量对被解释 变量的影响程度时，无法“保证其它解释变量不 变”，难以区分出每个解释变量的单