线性回归模型的自相关问题.ppt

例10.2 美国商业部门真实工资与生产率的关系(1959-2002) 10.7 广义最小二乘法中ρ值的三种估计 第三步：作变量代换 Ydif0 = Wages －Wages(-1) Xdif0 = Product －Product(-1) Ydif1 = Wages －0.8932*Wages(-1) Xdif1 = Product －0.8932*Product(-1) Ydif2 = Wages －0.871326*Wages(-1) Xdif2 = Product －0.871326*Product(-1) 第四步：求Ydif0对Xdif0的回归 ，Ydif1对Xdif1的回归 Ydif0 = B2*Xdif0+vt Ydif1 = B1*+B2*Xdif1 + vt B1＝B1*/(1－ρ),ρ=0.8932或ρ=0.871326 第三十一页，共四十八页，2022年，8月28日 例10.2 美国商业部门真实工资与生产率的关系(1959-2002) 10.7 广义最小二乘法中ρ值的三种估计 方法（1）：一阶差分回归 Ydif0对Xdif0的回归： Ydif0 = B2*Xdif0+vt Ydif0 = 0.62821*Xdif0 se＝(0.07179), t = (8.7506), p = (0.0000) R2=0.218637, d=1.52605 第三十二页，共四十八页，2022年，8月28日 例10.2 美国商业部门真实工资与生产率的关系(1959-2002) 10.7 广义最小二乘法中ρ值的三种估计 方法（2）：从Durbin-Watson d统计量得到ρ形成的回归 Wages-0.8932*Wages(-1) = 4.7926 + 0.5479*(product -0.8932*product(-1)) se=(0.5781)(0.0532) t=(8.2897)(10.2971) p=(0.0000)(0.0000) R2=0.7211, d=1.6808 第三十三页，共四十八页，2022年，8月28日 例10.2 美国商业部门真实工资与生产率的关系(1959-2002) 10.7 广义最小二乘法中ρ值的三种估计 方法（3）：从残差回归方程得到ρ形成的回归 Wages-0.871326*Wages(-1) =5.4578 + 0.5688*(product -0.871326*product(-1)) se=(0.5930)(0.0467) t=(9.2034)(12.1768) p=(0.0000)(0.0000) R2=0.7833, d=1.6572 第三十四页，共四十八页，2022年，8月28日 计量经济学讲义 * 安徽大学经济学院 线性回归模型的自相关问题 第一页，共四十八页，2022年，8月28日 10.1 一元线性回归分析－回归的假定条件(无自相关) 假定5 无自相关假定，即两个误差项之间不相关。 Cov（ui,uj） = 0 (10.1) 正 相 关 负 相 关 不 相 关 uj ui uj ui uj ui 无自相关的含义：意味着任一观察值的扰动项不受其它观察值扰动项的影响。 第二页，共四十八页，2022年，8月28日 10.2 自相关产生的原因 经济时间序列的惯性(inertia)或迟缓性(sluggishness)特征。 模型适定误差。有些自相关并不是由于连续观察值之间相关产生的，而是因为回归模型不是适定性的“好”模型。“不好模型”有多种原因。 蛛网现象(the cobweb phenomenon)。一个变量对另一个变量的反映不是同步的，时滞一定的时间。商品供给对价格的反映： St ＝ B1 ＋ B2*Pt-1 ＋ ut (10.2) 数据处理。在做季节因素的调整时，经常要做移动平均。移动平均的处理可以消除季节波动的影响，但带来新的问题则是产生了自相关。 第三页，共四十八页，2022年，8月28日 10.3 自相关产生的后果 最小二乘估计量仍然是线性的和无偏的。 最小二乘估计量不是有效的，即OLS估计量的方差不是最小的，估计量不是最优线性无偏估计量(BLUE)。 OLS估计量的方差是有偏的。用来计算方差和OLS估计量标准误的公式会严重的低估真实的方差和标准误，从而导致t值变大