金融计量学异方差和自相关.pptVIP

* 如果模型中省略了某些重要的解释变量或者模型函数形式不正确，都会产生系统误差，这种误差存在于随机误差项中，从而带来了自相关。由于该现象是由于设定失误造成的自相关，因此，也称其为虚假自相关。 5、模型设定偏误 第六十页，共八十九页。 * 第六节 自相关的度量与后果 一、自相关的度量 假定存在自相关，若 的取值仅与前一期 有关，即 =f( ),则称这种自相关为一阶自相关。对于一般经济现象而言，两个随机项在时间上相隔越远，前者对后者的影响越小。如果存在自相关的话，最强的自相关应该是一阶自相关。这里，我们只讨论一阶自相关，并且假定这是一种线性自相关，具有一阶线性自回归AR(1)的形式： 第六十一页，共八十九页。 * 式中 为常数，称为自相关系数。 是一个新随机项，它满足经典回归的全部假定。 上式可以看成是一个一元回归模型。 是因变量， 是自变量， 是回归系数。可用OLS法估计 ： 第六十二页，共八十九页。 * 当 0时，为正相关， 0为负相关。当 =0时，由上式知， = ，此时为一个没有自相关的随机变量。当 =1或 =-1时， 与 之间的相关性最强: =1表示完全一阶正相关； =-1表示完全一阶负相关。由此可见，自相关系数 是一阶线性自相关强度的一个度量，其绝对值大小决定自相关的强弱。 第六十三页，共八十九页。 * 异方差与解释变量的一般线性关系为 第一步，用OLS法估计式3.3的参数 。 第二步，计算残差序列 和 。 第三步，求 对 ， ， ， ， 的线性回归估计式，即构造辅助回归函数。 第四步，计算统计量 ，其中n为样本容量， 为辅助回归函数中的决定系数。 第二十八页，共八十九页。 * 第五步，在的 原假设下，服从自由度为5的 分布，给定显著性水平 ，查分布表得临界值 ，比较 与 ，如果前者大于后者，则拒绝原假设，表明式（3.12）中随机误差存在异方差。 此外，由于金融问题研究中经常需要处理时间序列数据，当存在异方差性的时候，可考虑用ARCH方法检验。检验异方差的方法多种多样，可以根据所研究问题的需要加以选择，也可以同时选择不同的方法，对检验结果进行分析比较，以求得出更准确的结论。 第二十九页，共八十九页。 * 第三节 异方差的修正 异方差性虽然不损坏OLS估计量的无偏性和一致性，但却使它们不再是有效的，甚至不是渐近（即在大样本中）有效的。参数的显著性检验失效，降低了预测精度。故而直接运用普通最小二乘法进行估计不再是恰当的，需要采取相应的修正补救办法以克服异方差的不利影响。 其基本思路是变异方差为同方差，或者尽量缓解方差变异的程度。 在这里，我们将会遇到的情形分为两种：当误差项方差为已知和当为未知。 第三十页，共八十九页。 * 一、当为 已知：加权最小二乘法 （weighted least squares,WLS 在同方差的假定下，对不同的 ， 偏离均值的程度相同，取相同权数的做法是合理的。但在异方差情况下，则是显而易见的错误，因为的 方差在不同的 上是不同的。比如在递增异方差中，对应于较大的x值的估计值的偏差就比较大，残差所反映的信息应打折扣；而对于较小的x值，偏差较小，应给予重视。 第三十一页，共八十九页。 * 所以在这里我们的办法就是：对较大的残差平方赋予较小的权数，对较小的残差平方赋予较大的权数。这样对残差所提供信息的重要程度作一番校正，以提高参数估计的精度。 第三十二页，共八十九页。 * 可以考虑用 作为 的权数。 于是加权最小二乘法可以表述成使加权残差平方和 达到最小。 第三十三页，共八十九页。 * 二、当 为未知 已知真实的 可以用WLS得到BLUE估计量。但现实中多数情况下是未知的，所以还要考虑别的方法来消除异方差。一般来讲，可以将异方差的表现分为这样几种类别。我们以