计量经济学序列相关性.pptVIP

解：根据D-W检验判断准则可知（b）D.W.=1.40，随机误差项存在一阶正自相关；（d）4?=2.58D.W.=3.97，随机误差项存在负一阶自相关。查D.W.分布表可知，当样本数为n=50，解释变量数k=3时，在5%的为1.42，为1.67。显著性水平下D.W.统计量临界值的下界（a）D.W.=1.05=1.42，因此随机误差项存在正一阶自相关；（c）4?=2.58D.W.=2.504?=2.33，不能确定随机误差项是否存在一阶自相关；第29页，共64页，星期日，2025年，2月5日在许多情况下，人们发现上限差不多就是真实的显著性界限，因而，如果D.W.的估计值落入不能确定的区域，人们可以使用以下修正的D-W检验程序。给定显著性水平α：（2）原假设为，备择假设为（1）原假设为，备择假设为如果有，则在显著性水平α上拒绝原假设H0，接受备择假设H1，也就是存在统计上显著的正相关。如果有，则在显著性水平α上拒绝原假设H0，接受备择假设H1，也就是存在统计上显著的负相关。第30页，共64页，星期日，2025年，2月5日在许多情况下，人们发现上限差不多就是真实的显著性界限，因而，如果D.W.的估计值落入不能确定的区域，人们可以使用以下修正的D-W检验程序。给定显著性水平α：（3）原假设为，备择假设为如果有或者则在显著性水平α上拒绝原假设H0，接受备择假设H1，也就是存在统计上显著的自相关。第31页，共64页，星期日，2025年，2月5日四、拉格朗日乘子检验拉格朗日乘子检验克服了D-W检验的缺陷，适合于高阶序列相关及模型中存在滞后被解释变量的情形。它是由布劳殊（Breusch）与戈弗雷（Godfrey）于1978年提出的，也称为GB检验。对于模型（7-24）如果要检验随机误差项是否存在p阶序列相关：（7-25）那么检验如下受约束回归方程就是拉格朗日乘子检验：（7-26）第32页，共64页，星期日，2025年，2月5日约束条件为（7-27）如果约束条件为真，则LM统计量服从大样本下自由度为p的渐近分布：（7-28）其中n?p和分别为如下辅助回归方程的样本容量和可决系数：（7-29）(7-29)中的被解释变量是对原模型（7-24）进行OLS回归后得到的残差。第33页，共64页，星期日，2025年，2月5日p值即滞后的长度无法预先给定，因此实践操作中可从1阶、2阶…逐次相更高阶检验，并用辅助回归方程（7-29）式中各个残差项前面的参数的显著性来帮助判断序列相关的阶数。（7-29）LM检验的一个缺陷第34页，共64页，星期日，2025年，2月5日例7-2假定用32个样本做Y对X(包含截距)的回归而这样的数值对应的概率p为0.0003，这是一个很低的概率。因此我们可以拒绝辅助回归方程中原始回归残差序列的全部1到5阶滞后序列系数均为零的假设，至少有一个滞后残差序列的系数不为零。这表明原始回归的残差中至少存在1到5阶中的某一滞后的自相关，当然要确定到底是几阶序列相关还必须进一步进行4阶、3阶…等不同阶数的拉格朗日乘子检验。如果我们怀疑回归残差序列有5阶滞后相关，那么辅助回归方程中我们可以用残差对X以及残差序列的1到5阶滞后序列进行回归，假定从辅助回归方程中回归得到的拟合优度R2为0.8860。由于原始回归中有32个样本，而辅助回归中用了5个滞后值，这样辅助等于(32-5)×0.886即等于23.382。回归方程中仅有27个样本，因此第35页，共64页，星期日，2025年，2月5日第四节序列相关的补救由于序列相关出现时OLS估计量是非有效的，因此如果回归模型被证明存在序列相关性，则应该发展新的方法来估计模型。类似于处理异方差的情况，在大样本下我们也可以用与自相关相一致的OLS回归残差的方差协方差矩阵来处理随机误差项的自相关情况，这样OLS估计也仍然是有效的，只是我们需要报告相应的自相关稳健标准差和相应的统计量，其处理方法完全类似于异方差稳健推断，这里我们不再对自相关稳健推断详细论述，我们详细介绍一般情况下处理序列相关最常用的广义最小二乘法（GLS）和广义差分法。第36页，共64页，星期日，2025年，2月5日一、广义最小二乘法定义: