第六章 自相关1.pptVIP

* 二、Cochrane － Orcutt迭代法 在实际应用中,自相关系数 往往是未知的， 必须通过一定的方法估计。最简单的方法是据DW统计量估计 。由DW 与 的关系可知 : 但是,这 是一个粗略的结果， 是对 精度不高的估计。其根本原因在于我们对有自相关的回归模型使用了普通最小二乘法。为了得到 的精确的估计值 ，通常采用科克伦－奥克特（Cochrane－Orcutt）迭代法。 * 该方法利用残差 去估计未知的 。对于一元线性回归模型 假定 为一阶自回归形式，即 : * 科克伦－奥克特迭代法估计 的步骤如下： 1.使用普遍最小二乘法估计模型 并获得残差： 2.利用残差 做如下的回归 * 3. 利用 ，对模型进行广义差分，即 令 使用普通最小二乘法，可得样本回归函数为： * 4. 因为 并不是对 的最佳估计，进一步迭代，寻求最佳估计。由前一步估计的结果有： 将 代入原回归方程,求得新的残差如下： 和 * 我们并不能确认 是否是 的最佳估计值，还要继续估计 的第三轮估计值 。当估计的 与 相差很小时，就找到了 的最佳估计值。 5. 利用残差 做如下的回归 这里得到的 就是 的第二轮估计值 * 三、其它方法简介