第七章自相关(计量经济学).pptVIP

1、广义最小二乘法 对于模型 Y=XB+N (2.5.7) 如果存在自相关，同时存在异方差，即有 第三十一页，共五十七页。 设 ?=DD’ 用D-1左乘(2.5.7)两边，得到一个新的模型： D-1 Y=D-1 XB+D-1 N (2.5.8) 即 Y*=X*B+N* 该模型具有同方差性和随机误差项互相独立性。 第三十二页，共五十七页。 于是，可以用OLS法估计模型(2.5.8)，得 （2.5.9) 这就是原模型(2.5.7)的广义最小二乘估计量(GLS estimators)，是无偏的、有效的估计量。 第三十三页，共五十七页。 如何得到矩阵?？ 仍然是对原模型(2.5.7)首先采用普通最小二乘法，得到随机误差项的近似估计量，以此构成矩阵的估计量? ，即 第三十四页，共五十七页。 可行的广义最小二乘法（FGLS, Feasible Generalized Least Squares） 文献中常见的术语 如果能够找到一种方法，求得到Ω的估计量，使得GLS能够实现，都称为FGLS 前面提出的方法，就是FGLS 第三十五页，共五十七页。 2、一阶差分法 第三十六页，共五十七页。 即使对于非完全一阶正相关的情况，只要存在一定程度的一阶正相关，差分模型就可以有效地加以克服。 如果原模型存在完全一阶正自相关，即在 ?i=??i-1+?i 中，?=1。 (2.5.10)可变换为： ?Yi= ?1?Xi+?I 由于?i不存在自相关，该差分模型满足应用OLS法的基本假设，用OLS法估计可得到原模型参数的无偏的、有效的估计量。 第三十七页，共五十七页。 3、广义差分法 模型(2.5.12)为广义差分模型，该模型不存在自相关问题。采用OLS法估计可以得到原模型参数的无偏、有效的估计量。 广义差分法可以克服所有类型的自相关带来的问题，一阶差分法是它的一个特例。 第三十八页，共五十七页。 4、随机误差项相关系数?的估计 应用广义差分法，必须已知不同样本点之间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。 常用的方法有： （1）科克伦-奥科特（Cochrane-Orcutt）迭代法。 （2）杜宾（durbin）两步法 第三十九页，共五十七页。 （1）科克伦-奥科特迭代法 首先，采用OLS法估计原模型 Yi=?0+?1Xi+?i 得到的随机误差项的“近似估计值”，并以之作为观测值采用OLS法估计下式 ?i=?1?i-1+?2?i-2+??L?i-L+?i 第四十页，共五十七页。 自相关性Serial Correlation 一、自相关性 二、自相关性的后果 三、自相关性的检验 四、具有自相关性模型的估计 五、案例 第一页，共五十七页。 如果模型的随机误差项违背了互相独立的基本假设的情况，称为自相关性。 普通最小二乘法（OLS）要求计量模型的随机误差项相互独立或序列不相关。 第二页，共五十七页。 一、自相关性 第三页，共五十七页。 1、自相关的概念 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，则认为出现了自相关性。 第四页，共五十七页。 第五页，共五十七页。 称为一阶自相关，或自相关（autocorrelation）。这是最常见的一种自相关问题。 自相关往往可写成如下形式： 其中：?被称为自协方差系数（coefficient of autocovariance）或一阶自相关系数（first-order coefficient of autocorrelation）。 第六页，共五十七页。 2、自相关产生的原因 （1）惯性 大多数经济时间数据都有一个明显的特点，就是它的惯性。 GDP、价格指数、生产、就业与失业等时间序列都呈周期性，如周期中的复苏阶段，大多数经济序列均呈上升势，序列在每一时刻的值都高于前一时刻的值，似乎有一种内在的动力驱使这一势头继续下去，直至某些情况（如利率或课税的升高）出现才把它拖慢下来。 第七页，共五十七页。 （2）设定偏误：模型中遗漏了显著的变量 例如：如果对牛肉需求的正