第三讲序列相关性的检验重要.pptVIP

一、序列相关性产生的原因与后果 二、序列相关性的检验 三、序列相关性的修正 四、修正结果的再检验 五、说明 一、序列相关性产生的原因与后果： 原因：数据违背了OLS估计的五条基本前提假设之一： 在这种情况下数据具有了多重共线性，对于某两个或多个解释变量而言，它们之间存在着相关性。 具体的经济问题中，一般经验告诉我们，时间序列为基础的数据所建立的模型，往往存在着多重共线性。 后果： 由于多重共线性的存在已经使数据违背了OLS估计的五大基本原则，若不对数据进行处理就进行OLS估计，则会出现以下后果： (1)参数的估计量非有效(方差不再是估计值中最小的)。 (2)变量的显著性检验失去意义。 (3)模型的预测失效。 这些后果的详细解释和其它后果的产生请参阅李子奈版《计量经济学》P70 我们将拿李子奈书P86的模型作例子： 二、序列相关性的检验 1、散点图法： 2、D—W检验法： 3、B.G检验： 1、散点图法： 原理：此方法即为计算当前残差与滞后一期残差的散点图。如果大部分点落在一、三象限，则表明随机项存在正自相关。如果大部分点落在二、四象限则表明随机项存在负相关。 具体操作方法： 第一步、建立工作文档，输入数据并作OLS估计。目的是得到残差resid。(具体的数据选择和修正步骤见书，此处从略) 第二步、在命令栏键入Sc