52放宽基本假定的回归模型序列相关性.pptx

计量经济学Econometrics;5.2 序列相关性;序列相关（serial correlation），又称自相关（auto correlation）是指总体回归模型的随机扰动项之间存在相关关系，即不同观测点上的误差项彼此相关。;一阶序列相关可以表示为：;一阶自相关下，自相关的性质可以用自相关系数的符号判断 即 为负相关， 为正相关。 当 接近1时，表示相关的程度很高。 自相关是序列 自身的相关，因随机误差项的关联形式不同，当然可以具有不同的自相关形式。 ;; 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。; 2、模型设定的偏误 ; 3*、数据的处理方法; 例如，随机扰动项本身包含了随机因素的影响，而随机因素常常具有持续性，例如战争、社会动乱、灾害等。 序列相关性在时间序列模型中经常出现。;计量经济学模型一旦出现序列相关性，如果仍采用OLS估计模型参数，大致会产生和异方差性类似的不良后果：;2、变量的显著性检验失去意义;3、模型的预测精度降低;四、序列相关性的检验;1、图示检验法;;如果大部分点落在第Ⅱ、Ⅳ象限，那么随机误差项 存在着负自相关。 ;DW检验是J.Durbin(杜宾)和G.S.Watson(瓦森) 提出的一种检验方法。 Durbin, J., and Watson, G. S. Testing for Serial Correlation in Least Squares Regression, I. Biometrika, 1950, (37): 409-428. Durbin, J., and Watson, G. S. Testing for Serial Correlation in Least Squares Regression, II. Biometrika, 1951, (38): 159-179. DW检验只能用于检验随机误差项具有一阶自回归形式的自相关问题。这种检验方法是建立经济计量模型中最常用的方法，一般的计算机软件都可以计算出DW 值。;该方法的假定条件是：;;根据样本容量 和解释变量的数目查DW分布表，得临界值 和 ，然后依下列准则考察计算得到的DW值，以决定模型的自相关状态。 ;DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断。 DW统计量的上、下界表要求 ，这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断 DW检验不适应随机误差项具有高阶序列相关的检验 只适用于有常数项的回归模型并且解释变量中不能含滞后的被解???变量 ; 可以检验高阶自相关 对于模型 假设不存在如下高阶自相关： 则有 的假设成立。 BreuschGodfrey提出针对此假设的检验步骤： 利用OLS法得到原模型的残差序列 做如下辅助回归，并得到R2 利用 ，做假设检验 其中，n是原模型的观测数，n-p就是辅助回归的观测数; p怎么确定？ 注：实际应用中，一般从低阶的p=1开始，直到p=10左右，若未能得到显著的检验结果，可以认为不存在自相关性。 如果对应着多个p值都检测到自相关，看滞后残差项的显著性。最多结合Akaike和Schwarz信息准则，选择准则值最小的（准则值越低，模型越好）。 经验上，对于年份数据，一阶滞后就已足够。; 以下介绍几种解决序列相关性的技术手段，但需要强调的是，这些手段不应直接套用。应当首先考虑产生序列相关的可能原因并纠正（例如，遗漏变量下努力寻找合适的其它解释变量），才是具有经济意味、放射思想光辉的正途。 主要技术手段: ●GLS* ●广义差分法;1*、广义最小二乘法（GLS）;;对于自相关的结构已知的情形可采用广义差分法解决。它是将原模型变换为满足经典假设的差分模型，再进行OLS估计。 如果原模型Y=X?+U存在p阶自相关： 据此，可以将模型变换为： ;;(1)-(3),可得;;（2）一阶和高阶自相关都适用;步骤一：对原模型(1) 做OLS估计，得到残差序列 步骤二：采用OLS法估计方程(2)的近似方程 得到 作为 的第一次估计。 步骤三：将上一步的估计 代入到广义差分方程(3)中，对之做OLS估计，得到 步骤四：将 代回到原模型(1)，求出新的残差序列，重复步骤二至四，直到满足精度要求。;杜宾两步法;36;37