计量第八章异方差与自相关.pptVIP

异方差;;对于模型; 二、异方差的类型;; 异方差性的后果;几种异方差的检验方法：; 2、怀特（White）检验;;判断方法：;异方差的修正;Review;当出现以下哪几种情况时，我们运用最小二乘法回归会出现异方差的问题。 A、 B、 C、 D、;;2、通过下图判断是否存在异方差;;修正后得到如下结果;自相关;本章分析思路;序列相关：总体回归方程的误差项εi之间存在着相关。 即：在按时间或空间顺序排列的观察值序列之间存在着相关。;若古典线性回归模型中误差项εi中不存在序列相关： Cov(εi ，εj) =E(εi εj) = 0, i?j 即：任一观察值的误差项不受其他观察值误差项的影响。 例如：在分析消费支出与商品价格的时序数据时，本期收入的波动，只影响本期消费支出，对以后的消费支出没有影响。;若不同误差项之间存在着依赖关系—εi存在自相关： Cov(εi ， εj) =E(εi εj) ? 0, i?j 如：本期家庭收入的增加，可能会影响下一期或以后几期的消费支出。;图 1;一阶自回归模式AR(1)（autoregressive）;;正自相关;;负的自相关;二、实际经济问题中的序列相关;多数经济时间序列都存在惯性。 如国民生产总值、就业、货币供给、价格指数、消费、投资等，都呈现周期波动。 当经济复苏时，由萧条的底部开始，大多数经济序列向上移动，在向上移动的过程中，序列某一点的值会大于其前期值，直到经济开始衰退。;;2、滞后效应;三、序列相关性的后果;四、序列相关性的检验;是否存在自相关？;误差εt并不频繁地改变符号，而是几个正之后跟着几个负，几个负之后跟着几个正，则呈正自相关。;如a图所示，扰动项的估计值呈循环型，而是相继若干个正的以后跟着几个负的，表明存在正自相关。;如b图所示，扰动项的估计值呈锯齿型（一个正接一个负），随时间逐次改变符号，表明存在负自相关。;首先用OLS法估计方程 利用得到的残差的图形来判断误差项εt是否存在自相关。 例1：利用表中数据作进口支出对GNP(作为收入的测度)的回归。;数据来源：中国统计年鉴2006光盘c01、 q03和i01; 得到如下方程： IM = - 217.186 + 0.173 GNP (5) t (-0.5) (16.94) R2 = 0.960 DW= 0.735 F = 286.95 ;表明残???存在正相关。;DW(杜宾－瓦尔森)检验：诊断自相关最著名的检验。 其定义为 ：;检验步骤;构造统计量; ?值 ;;序列相关的修正;;序列相关的修正（?的估计） ;二、 从DW统计量中估计?;回归方程： IM = - 217.186 + 0.173 GNP t ＝ (-0.5) (16.94) R2 = 0.960 DW= 0.735 F = 286.95 ;例：利用广义差方法对序列相关进行修正。 ①取ρ=1-0.735/2 = 0.6325 ②估计差方变换后的方程，得到 IM-0.6325 IM(-1) = 36.58 + 0.16 (GNP-0.6325 GNP(-1)) t = (0.09) (7.91) R2 = 0.85 DW= 1.25 F = 62.59 ③在5%显著水平下 1.35 =dU D.W=1.254-dU =2.65 判定：模型不存在自相关。 ④ β 1 = 36.58/(1-0.6325)=99.537