第六章八序列相关性.pptVIP

第六章 序列相关性 一、序列相关性概念 二、序列相关性的来源与后果 三、序列相关性的检验 四、序列相关性的解决方法 五、案例分析 一、序列相关性概念 第一节 序列相关性概念 第一节 序列相关性概念 第一节 序列相关性概念 二、自相关的分类 （一）一阶自回归形式 如前所述，当 误差项只与其滞后一期值 有关时，即 则称 具有一阶自回归形式。 （二）高阶自回归形式 当 误差项的本期值不仅与其前一期值 有关，而且与其前若干期的值都有关系时，即， 则称 具有高阶自回归形式。 最常见形式是一阶线性自回归形式，下面重点研究之。 第一节 序列相关性概念 三、一阶线性自回归形式 一阶线性自回归形式： 其中是 自回归系数， 是随机误差项， 满足一下假定： 第一节 序列相关性概念 由OLS可得 的估计公式为：  的相关系数为： 第一节 序列相关性概念 对于充分大样本，有 故得 一阶线性自回归系数等于该两个变量的相关系数。 因此原回归模型中误差项的一阶自回归形式可以表示为： 记为 AR(1) 第一节 序列相关性概念 一般地， 之间的关系为 我们称之为m阶线性自回归形式，记为 AR(m) 其中 为一阶自相关系数， 为m阶自相关系数， 为满足经典假定的干扰项或误差项。 除此之外，自相关形式还可能为移动平均形式，记为MA（m），更复杂的有移动平均自回归形式，记为ARMA(m)。（我们将在第十二章介绍） 第一节 序列相关性概念 相关系数 的取值范围是[-1,1]。 当 时，称 存在正自相关； 当 时，称 存在负自相关； 当 时，称 不存在自相关或非自相关。 第一节 序列相关性概念 ? =0，无自相关。 即ut-1对ut的影响很小。 第一节 序列相关性概念 第一节 序列相关性概念 四、一阶线性自回归形式的期望、方差和协方差 对于平稳序列有 第一节 序列相关性概念 一般地 注意： （1）经济问题中的自相关主要表现为正自相关。 （2）自相关主要发生于时间序列数据中。 （本教材第十二章详述） 一、实际经济问题中序列相关性的来源 1、经济变量固有的惯性 2、模型设定的偏误 但建模时设立了如下模型： Yt= ?0+?1Xt+vt 因此，由于vt= ?2Xt2+?t, ，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。 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。 （三）变量的显著性检验失去意义 在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方差性和互相独立性时才能成立。 （四）、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。 第三节 序列相关性的检验 然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。 一、图示法 二、回归检验法 三、杜宾-瓦森（Durbin-Watson）检验法 D-W检验是杜宾（J.Durbin）和瓦森(G.S. Watson)于1951年提出的一种检验序列自相关的方法，该方法的假定条件是： 当D.W.值在2左右时，模型不存在一阶自相关。 注意： （1）D—W检验只能判断是否存在一阶线性自相关，对于高阶自相关或者非自相关都不适用。当DW值接近于2时，只能说明?t与?t-1不相关，并不同时意味着模型不存在高阶自相关。 （2） D—W检验有两个无法判断的区域。 （3）这一方法不适用于对联立方程组模型中各单一方程随即误差项序列相关的检验。 （4） D—W检验不适用于模型中含有滞后的被解释变量的情况。 四、拉格朗日乘数（Lagrange multiplier）检验 第四节 序列相关性的解决方法 序列相关性的解决方法首先要看模型产生误差项自相关的原因是不是模型出现了问题，只有当消除了因为模型出现的问题以后，才能认为误差项真正存在自相关，然后，才能用我们下面的方法予以解决。 而考察模型出现问题的方法概括起来主要从两个方面着手。 第一、自相关是由于模型数学形式所致 判断模型数学形式不妥的