计量经济学误差序列相关.ppt

误差序列相关 第七章 误差序列相关 一、问题的性质和原因 二、发现和判断 三、误差序列相关的处理和克服 一、问题的性质和原因 对于模型 Y i = ? 0 + ? 1 X 1i + ? 2 X 2i + …+ ? k X ki + ? i i =1,2, …,n 随机项互不相关的基本假设表现为 Cov( ? i , ? j )=0 i ? j , i , j =1,2, …,n 如果对于不同的样本点，随机误差项之间不再 是不相关的，而是存在某种相关性，则认为出现 了 序列相关性 。 误差序列相关可以有多种不同的情况，其中相邻两期误差 项之间的相关性，也就是误差项 受前一期误差项 的影响，称为误差项的“一阶自回归”。可以表示为： 其中， ，称为“一阶自回归系数”， 是均值为 0 的独立分布随机变量。 时称为“一阶正自相关”， 称为“一阶负自 相关”。 一阶自回归是误差序列相关性中最重要的部分，也是误差 序列相关性分析的主要对象。 1 ? i ? i ? ' 1 i i i ? ?? ? ? ? ? 1 0 ? ? ? ' i ? 0 ? ? 0 ? ? 出现误差序列相关的原因 1 、经济变量固有的惯性 大多数经济时间数据都有一个明显的特点 : 惯 性 ，表现在时间序列不同时间的前后关联上 。 例如， 绝对收入假设 下 居民总消费函数模型 ： C t = ? 0 + ? 1 Y t + ? t t=1,2, …,n 由于 消费习惯 的影响被包含在随机误差项中，则 可能出现序列相关性（往往是正相关 ）。 2 、模型设定的偏误 例如，本来应该估计的模型为 Y t = ? 0 + ? 1 X 1t + ? 2 X 2t + ? 3 X 3t + ? t 所谓模型 设定偏误 （ Specification error ）是指 所设定的模型“不正确”。主要表现在模型中丢 掉了重要的解释变量或模型函数形式有偏误。 但在模型设定中做了下述回归： Y t = ? 0 + ? 1 X 1t + ? 1 X 2t + v t 因此， v t = ? 3 X 3t + ? t ，如果 X 3 确实影响 Y ，则出 现序列相关。 又如：如果真实的边际成本回归模型应为： Y t = ? 0 + ? 1 X t + ? 2 X t 2 + ? t 其中： Y= 边际成本， X= 产出， 但建模时设立了如下模型： Y t = ? 0 + ? 1 X t +v t 因此，由于 v t = ? 2 X t 2 + ? 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” 在实际经济问题中，有些数据是通过已知数据 生成的。 因此，新生成的数据与原数据间就有了内在的 联系，表现出序列相关性。 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。 4 、蛛网现象 许多农产品的供给反映出一种所谓的蛛网现 象。供给对价格的反应要滞后一个时期， 是因为供给需要经过一定的时间才能实现 。例如，今年年初的作物种植是受去年流 行的价格影响的。 误差序列相关的后果 1 、参数估计量非有效 因为，在有效性证明中利用了 E(uu')= ? 2 I 即同方差性和互相独立性条件。 而且，在大样本情况下，参数估计量虽然具有 一致性，但仍然不具有渐近有效性。 2 、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。 其他检验也是如此。 3 、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。 二、发现和判断 （一）残差序列图分析 ? 误差序列相关性分析 S e i ? ? a S e i ? ? c ? ? b S e i 二、发现和判断 分析误差序列相关残差分布图 i e 0 0 0 ? ? c ? ? a ? ? b i e i e 1 ? i e 1 ? i e 1 ? i e 二、发现和判断 （二）杜宾 - 瓦森检验 ? DW 检验的原理 对线性回归模型 如果误差项有一阶自回归问题，那么 其中的 ， 是均值为 0 的独立同分布随 机变量。 1 0 ? ? ? ? ? ? ? ? ? ? ? ? K K X X Y ? 1 1 0 i i i ? ?? ? ? ? ? ? 1 i ? ? 二、发现和判断 根据 和 的性质，有 因此 i ? ? i ? ? ? ? ?