计量经济学精编本课件于俊年 ISBN9787811343038 PPT精6.4.ppt

* §6.4 消除自相关影响的方法 一、拟自相关情况 二、真正自相关情况 真正自相关又可分为自相关系数ρ已知和未知 两种情况。 (一)自相关系数ρ已知的情况 设模型 (t =1，2，…，n) (6.4.1) 中的随机项有一阶线性自相关： (6.4.2) vt 满足经典回归的全部假定，且ρ的数值已知。将 (6.4.1)滞后一期并乘以ρ： (6.4.3) 用(6.4.1)减(6.4.3)式，得 (6.4.4) 令 (6.4.5) 变换(6.4.5)称为广义差分变换。将(6.4.4)改写成： (6.4.6) 变换后的模型(6.4.6)叫做广义差分模型，由于vt满 足全部经典假定，已没有自相关，因此，可用OLS 法估计参数α和β1。 应该注意，变换后的数据( )将损失一个观测值， 这是因为变换 中不存在x0 和y0。为了避免这一损失，K.R.Kadiyala提出对第一 个观测值作如下变换： 对模型(6.4.6)应用OLS法，可得参数估计值 ， 再利用(6.4.5)可得 (6.4.7) 的方差估计量为 (6.4.8) 再由(6.4.7)可得 (6.4.9) 其中 (6.4.10) 以上过程就是将原回归模型进行广义差分变换得 到广义差分模型，再对广义差分模型应用普通最 小二乘法，这种方法称为广义差分法。 对于多元回归模型，广义差分法也同样适用。 设模型 (6.4.11) (6.4.12) 其中ρ已知，vt 满足经典回归的基本假定。 (6.4.11)滞后一期并乘以ρ： (6.4.13) 将(6.4.11) - (6.4.13)得： (6.4.14) 令 (6.4.15) 模型(6.4.14)可改写成： (6.4.16) 由于vt 满足经典回归全部假定，因此，可以对模型 (6.4.16)应用OLS法。 (二)自相关系数ρ未知的情况 在（一）段中对参数估计的方法都是假定ρ已知， 但是，实际上ρ的值往往是未知的，因此在对参 数估计之前，必须先对ρ的值进行估计，然后用 ρ的估计值代替（一）段中的ρ，问题便解决了。 1.由d 统计量估计ρ 由§6.3节给出的两个ρ的估计式： (6.4.17) (6.4.18) 2.Cochrane-Orcutt(柯克兰—奥卡特)迭代法 设模型 (t＝1,２，…，n) (6.4.19) 中的随机项有一阶线性自相关 (6.4.20) vt 满足经典回归的全部假定，ρ未知。 求自相关系数ρ的步骤如下： (1)对原始数据应用OLS法，求出模型(6.4.19)中的 参数估计值 ，其回归方程为： (6.4.21) 计算第一轮残差： 求ρ的第一轮估计值： (2)用自相关系数第一轮估计值 对原模型(6.4.19) 进行差分变换，变换后的模型为 (6.4.22) 对(6.4.22)再应用OLS法，可得估计值 ， 且有回归方程： (6.4.23) 计算第二轮残差： 求ρ的第二轮估计值： (3)用自相关系数第二轮估计值 再对原模型 (6.4.19)进行差分变换，变换后的模型为 (6.4.24) 再对(6.4.24)应用OLS法，可得参数估计值 ， 再计算第三轮残差 ，然后求第三轮ρ的估计值 ，这样反复计算，可得一串ρ的估计值，直到这 串估计值收敛或满足给定的精度为止。也可以每经 一轮迭代，便求出d统计量来检验随机项自相关是 否还存在，若通过原假设检验，便可停止迭代。 3.区间收索法（Hildreth-Lu法） 第一步，将 -1 ρ 1的范围划分成间隔为0.1的一 组数据，例如，在正自相关情况下，0 ρ 1，可 取ρ＝0.1，0.2，…，0.9，1.0，对原始数据分别进 行差分变换。 第二步，对变换后的10组数据分别应用普通最小二 乘法，建立回归方程。 第三步，利用各个ρ值对应的回归方程，计算残差平 方和 ，取残差平方和最小的那个方程的ρ 值为第一次试算最优值，记作 。 第四步，以最优值 为中心，在 ± 0.1的范围内， 以0.01为步长继续搜索，再次，找出使残差平方和最 小的第二次最优值 。例如，第一次试算得 = 0.6， 在0.5 ρ 0.7范围内，以0.01为步长继续搜索。 第五步，如此反复进行，直至求出使残差平方和达到 最小的ρ为最优值。 4.杜宾(Durbin)两步法 设模型为 (6.4.25) 其随机项存在一阶线性自相关： (6.4