序列相关性的检验重要.pptxVIP

序列相关性的检验重要一、序列相关性产生的原因与后果:原因:数据违背了OLS估计的五条基本前提假设之一:在这种情况下数据具有了多重共线性,关于某两个或多个解释变量而言,它们之间存在着相关性。具体的经济问题中,一般经验告诉我们,时间序列为基础的数据所建立的模型,往往存在着多重共线性。后果: 由于多重共线性的存在差不多使数据违背了OLS估计的五大基本原则,若不对数据进行处理就进行OLS估计,则会出现以下后果:(1)参数的估计量非有效(方差不再是估计值中最小的)。(2)变量的显著性检验失去意义。(3)模型的预测失效。这些后果的详细解释和其它后果的产生请参阅李子奈版《计量经济学》P70我们将拿李子奈书P86的模型作例子:具体的参数选择和变换这个地方就不赘述了,大伙儿看书即可,书上一目了然。数据见下页:年份(年)发电量(亿千瓦时) Y 调整后的农业总产值(亿元) X1调整后轻工业总产值(亿元) X2调整后重工业总产值(亿元) X319711384538、577994154619721524534651336、679197316685788391443、43119741688594、1321132、2991415、146197519586032341636、861197620315999641668、186197722345988031900、729197825666420242195、81119792820639、5481860、7832398、544198030066761412458、484198130937242552340、483198232778062822543、536198335148558362897、213198437709612973385、98198541079975044178、396198644951039、3684226、8044650、277198749731081、4065034、7965413、767198854521102、6515895、6016070、256198958481068、3345951、8816225、664199062121286、0026246、9596404、548199167751396、9867084、7037416、325199275391504、6378711、1569748、0091993839516059513143、881994928116445515471、3二、序列相关性的检验1、散点图法:2、D—W检验法:3、B、G检验:1、散点图法:原理:此方法即为计算当前残差与滞后一期残差的散点图。假如大部分点落在一、三象限,则表明随机项存在正自相关。假如大部分点落在二、四象限则表明随机项存在负相关。 具体操作方法:第一步、建立工作文档,输入数据并作OLS估计。目的是得到残差resid。(具体的数据选择和修正步骤见书,此处从略)第二步、在命令栏键入Scat resid resid(-1) 得到残差的散点图(见下页图):判断标准:1、若散点在四个象限呈无规律的散布状态,则模型不存在自相关。2、若散点多散布在一三象限,则模型存在着严重的正自相关。3、若散点多散布在二四象限,则模型存在着严重的负自相关。2、D—W检验法:原理:若数据不存在序列相关性,则et和et-1成随机关系,两者的差较为适中,此时DW值则会取一个适中值。而若存在序列相关性的话,则DW的分子会过大或过小,进而影响DW的值。具体的数学证明见李子奈书P62。 Durbin-Watson检验用于随机误差项之间是否存在一阶自相关的情况。 DW∈(0,4) DW值在每次的ols估计中都会由EViews系统自动算出,因此这种方法比较简便易行。具体步骤:对数据进行ols估计,在所得的对话框中:判断标准:(1)DWdL,存在正自相关(2)DW4-dL,存在负自相关(3)dUDW4-dU,不存在自相关性dL与dU的值是依照不同样本的容量N和解释变量的个数P,在给定的不同显著性水平下查得的。直观上理解,DW值越靠近2,则越不具备自相关性。3、Breusch-Godfrey检验(简称B、G检验、二时期迭代法):具体操作方法:第一步、在OLS估计结果对话框中选择view——Residual test——serial correlation LM test 。第二步、设定用以检验的序列相关的阶数。键入1表示检验一阶序列相关。第三步、点击确定后