第12章自相关(计量经济学).pptVIP

引子:t检验和F检验一定就可靠吗?

研究居民储蓄存款Y与居民收入X的关系：

=++

Yt12Xtut

用普通最小二乘法估计其参数，结果为

ˆ=27.9123+0.3524

YtXt

（1.8690）(0.0055)

t=(14.9343)(64.2069)

R20.9966F4122.531

1

XY

2

第12章自相关

本章讨论四个问题：

●什么是自相关

●自相关的后果

●自相关的检验

●自相关性的补救

3

第一节什么是自相关

本节基本内容:

●什么是自相关

●自相关产生的原因

●自相关的表现形式

4

第一节什么是自相关

一、自相关的概念

自相关（autocorrelation），又称序列相关（

serialcorrelation）是指总体回归模型的随机

误差项之间存在相关关系。即不同观测点上的

误差项彼此相关。

5

自相关的性质

自相关的含义：按时间（时间序列数据）或空间（横截

面数据）排列的观测值序列的成员之间的相关。

经典线性回归模型假定在干扰项之间不存在自相关：

E(uiuj)0ij(3.2.5)

出现自相关时，则为：

E(uiuj)0ij(12.1.1)

本教材将自相关和序列相关看成同义语

6



自相关系数的定义与普通相关系的公式形式相同

n

utut-1

t=2



nn

22

utut1

t2t2

的取值范围为-11

上式中ut-1是ut滞后一期的随机误差项。

因此，将上式计算的自相关系数称为一阶自相关

系数。

7

二、自相关产生的原因

经济系统的惯性

自

相

经济活动的滞后效应

关

产

数据处理造成的相关

生

的

原蛛网现象

因

模型设定偏误

8

自相关的来源详解

Ø惯性：GNP、价格指数、生产、就业和失业等时

间序列变量都呈现出商业循环。

Ø设定偏误：应含而未含变量（excludedvariables）

比如：

Yt12X2t3X3t4X4tut(12.1.2)

其中：Yi牛肉需求量,X2牛肉价格,X3消费者收入,

X4猪肉价格,t时间。

由于某种原因，我们把回归做成：

Yt12X2t3X3tvt(12.1.3)

在猪肉价格影响牛肉消费的情形下，残差v将表现出某

种系统的模式

9

Ø设定偏误：不正确的函数形式

假如在成本—产出研究中，“真实”模型为：