第12章 时间序列回归中的序列相关和异方差.pptVIP

伍德里奇 《计量经济学导论》（第4版） 主讲教师：张冠甲 国内外经典教材名师讲堂 第12章 时间序列回归中的序列相关和异方差 　　本章要点　　序列相关的后果和实例　　序列相关的检验方法　　序列相关出现后的修正方法　　FGLS估计量　　(科克伦-奥卡特估计与普莱斯-温斯顿估计)　　时间序列中的异方差问题　　arch模型　　异方差与序列相关同时存在时的处理步骤 　　回顾：无偏性三个要求：线性、无完全共线性、严格外生性（零条件均值）。　　严格外生性——弱化至同期外生性——一致性成立（不一定无偏）。　　思考：既然无偏性与一致性都不要求序列无关，为什么要强调序列无关性？　　效率的要求：只有加入同方差和序列无关的设定，OLS才是BLUE。　　常见序列相关：误差项满足AR（1）过程 　　Eg： 简单回归模型　　设定样本均值为0，即 斜率的估计量的方差为：　　其中 　　利用11章中的公式　　斜率估计量的方差写成 第一项是高斯马尔科夫假定下估计量的方差, 第二项是否为零，取决于 是否为零。　　显然，存在序列相关时（ ），对方差的估计量是有偏的。 　　课后习题一　　此时OLS的标准误是高估还是低估 的变异？ 分析：OLS的标准误为 ，当因变量和自变量都是对数形式时，AR（1）参数在时间序列回归中倾向于大于零。自变量之间倾向于正相关, 因此 倾向于为正。所以，OLS低估了标准误。　　相反，若 ，则OLS标准误实际上高估了真实的标准误。 　　追问：方差估计量 有偏的后果是什么？　　OLS的标准误是不确当的，进而单个假设检验的t统计量不确当，多个假设的F统计量和LM统计量也不确当。　　结论：到目前为止，序列相关不影响无偏性和一致性；但是造成估计量 有偏。 Q：拟合优度的适用性受序列相关影响么？　　但是本身不存在拟合优度的无偏估计量，所以无从探讨序列相关对 估计造成的偏误。 　　进一步考察：序列相关影响 估计的一致性吗？　　若数据是平稳和弱相关则不影响一致性。　　若不是弱相关，例如是一个I（1）过程，具体地，是一个随机游走 ，那么其方差： 随时间t而递增，则根本无法定义因此此时拟合优度毫无意义。 　　Q：若出现因变量的滞后项，同时误差项又出现序列相关，OLS还满足一致性吗？　　例子 若　　加入误差项，以及稳定性条件要求　　显然同期外生性得到满足，根据定理11.1，一致性得到满足。 　　序列相关得到满足吗？　　所以序列相关性不一定得到满足。本例中：一致，但序列相关。 　　另一个例子：序列相关，同时不一致。还是考虑含有因变量一阶滞后项的模型：　　同时误差项本身满足AR1过程： （误差项 序列相关） 而且AR1满足稳定性要求（完备动态模型） 此时有 必然同期外生性得不到满足，一致性不满足. 　　Q：这么特殊的例子有意义吗？　　合并发现，yt实际上是一个AR（2）模型　　表明给定y的所有过去值，yt的期望值取决于y的两期滞后。 　　序列相关的检验方法　　前提：严格外生性 得到满足。　　推论：排除含有滞后因变量的模型。　　思考：误差项或许服从AR（1）过程，此时必然序列相关：　　Q：如何检验？　　假设误差项的AR（1）过程满足通常的性质：　　弱外生性　　同方差性 　　若 ，则不存在误差项序列相关，设定为虚拟假设： 。　　Q：如何检验这个虚拟假设？　　若ut可以观测，正常用t检验即可。但是ut本身是误差项，无法观测；解决办法：用OLS残差 替代。 　　检验步骤　　（1）做 对 的OLS回归，得到OLS残差 。　　（2）做如下回归： 对 的回归，得到 的系数 及其t统计量 。　　（3）按照通常的方法，相对 用 去检验原假设 。　　注意：上述检验方法是从AR(1)模型推导出来的，但这种检验方法也可以用于侦查其他类型的序列相关。为什么？ 　　原因： 是 系数的一致估计量，只要显著异于0，就足以说明 与 的相关性。　　缺点：无法检验出非相邻项的相关性　　例如，无法检验出 与 是否存在序列相关。　　德宾一沃森检验　　同样以OLS残差为基础，计算DW统计量 　　显然有　　DW统计量的使用方法：　　计算 DW检验的对