第十一章 自相关.pptVIP

chapter eleven Autocorrelation: What Happens if Error Terms are Correlated? 回 顾 OLS估计非有效 异方差的后果 OLS估计量方差有偏 t 值和F 值不可靠 残差图形 异方差的检验 帕克、格莱泽检验 怀特一般异方差检验 加权最小二乘（WLS） 异方差的补救 模型设定 怀特异方差校正估计 上节课作业 普通最小二乘结果 White异方差检验 如何解读检验结果 加权最小二乘结果 修正的结果如何 修正的结果如何 前 言 古典线性回归模型（CLRM）假设条件: PRF的随机扰动项 无序列相关性或自相关 本节课的内容: 一、自相关的性质 二、自相关的后果 * 三、自相关的检验 * 四、自相关的修正 第一节 自相关的性质 对于模型 如果 即对于不同的样本点，随机扰动项之间不相关 例如 时间序列数据，生产函数中劳动力投入 截面数据，家庭收入与消费 第一节 自相关的性质 精要 图14-1 知识点：自相关的表示 表明t 期的扰动项或误差项与t-1期的值相关。上式称为马尔科夫一阶自回归过程(Markov first-order autoregression scheme)，简称一阶自回归，通常记为AR(1)。以此类推，滞后p阶，记为AR(p) 实际经济问题中序列相关性存在的原因 1、经济变量固有的惯性 2、模型设定的偏误 3、蛛网现象 4、数据处理 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，数据频率转换时利用的两个时间点间“插值方法”往往也导致随机项的序列相关性。 精要 图14-2 例14-1 精要 表 14-1 例14-1 精要 表 14-1 第一种检验方法 残差图示法 精要 图 14-3 例14-1 精要 图 14-4 第二种检验方法 回归检验法 第二种检验方法 回归检验法 第三种检验方法 DW检验法 D-W检验是杜宾（J.Durbin）和瓦特森(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： 第三种检验方法 DW检验法 第三种检验方法 DW检验法 精要 图 14-5 例14-1 精要 表 14-1 第四种检验方法 拉格朗日乘数检验 第四种检验方法 拉格朗日乘数检验 例14-1 序列相关的LM检验 例14-1 序列相关的LM检验 例14-1 序列相关的LM检验 第五种检验方法 相关图与Q统计量 第五种检验方法 相关图与Q统计量 例14-1 相关图与Q统计量结果图 一组随机正态分布的Q统计量图 修正方法：广义差分法 广义差分法是将原模型变换为满足OLS法的差分模型，再进行OLS估计得到BLUE性质估计量。 如何估计? 应用广义最小二乘法或广义差分法，必须已知随机误差项的相关系数?1, ?2, … , ?L 。 实际上，人们并不知道它们的具体数值，所以必须首先对它们进行估计。 例14-1 通过普雷斯-温斯坦转换后回归 第四节 自相关的修正措施 4.为了研究问题的方便和考虑实际问题的代表意义，我们通常将自相关设定为一阶自相关即AR(1)模式。用一阶自相关系数 表示自相关的程度与方向。当然，实际问题也存在AR(m)模式或其它模式。 5.由于 是不可观测的，通常我们使用 的估计量 判断 的特性。我们可通过 的图形判断自相关的存在，也可使用依据 计算的DW 统计量判断自相关的存在。 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： 第四节 自相关的修正措施 检验 是否存在自相关。如果不存在自相关，就可以求 。 一般是事先给出一个精度，当相邻两次? 的估计