《计量经济学第七章序列相关性 (2)精选文档.ppt》由会员分享，可在线阅读，更多相关《计量经济学第七章序列相关性 (2)精选文档.ppt（17页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、计量经济学第七章序列相关性本讲稿第一页，共十七页一、序列相关产生的原因n序列相关的含义n在古典线性回归模型中，我们假定随机误差项序列的各项之间独立，即Cov(i,j)=E(ij)=0。如果这一假定不满足，则称之为序列相关，即：Cov(i,j)=E(ij)0n在序列相关中，较多是i与i+1相关，称为自相关。本讲稿第二页，共十七页一、序列相关产生的原因n惯性：如GNP、价格指数、生产、失业等时间序列都呈现商业循环，相继的观测值很可能是相依赖的。n设定偏误：不正确的函数形式或应含而未含变量都会使干扰中观察到序列相关性。本讲稿第三页，共十七页一、序列相关产生的原因n蛛网现象：许多农产品的供给表现出一种
2、所谓的蛛网现象n例如供给对价格的反应要滞后一个时期，即今年作物的种植量是受去年流行的价格影响的，因此，相关的函数形式是：这种现象就不能期望扰动项是随机的本讲稿第四页，共十七页二、序列相关的后果n出现序列相关时，OLS估计量仍是线性无偏估计量，但不再是有效的。n通常的t和F显著性检验都变成无效了。如果仍然使用这些检验，很可能对所估计的回归系数做出有严重错误的统计显著性结论。95%区间OLS 95%区间本讲稿第五页，共十七页三、自相关的识别n图解法：n时间序列图（Time Sequence plot):将残差对时间描点。如图（a）所示，扰动项的估计值呈循环形，并不频繁地改变符号，而是相继若干个正的
3、以后跟着几个负的，表明存在正自相关。n将et对et-1描点图，如图（b）所示。t(a)etetet-1(b)本讲稿第六页，共十七页(c)如（如（c）图所示，扰动项的估计值呈锯齿状，随时间）图所示，扰动项的估计值呈锯齿状，随时间逐次改变符号，表明存在负相关。逐次改变符号，表明存在负相关。t三、自相关的识别本讲稿第七页，共十七页三、自相关的识别nDW检验（检验（Durbin-Watson）:使用条件使用条件n回归模型中含有截距项；回归模型中含有截距项；n解释变量是非随机的（因此与随机误差项不相关）解释变量是非随机的（因此与随机误差项不相关）n随机误差项是随机误差项是一阶自相关一阶自相关:t=t-1
4、+t(-1 1)n回归模型中不把滞后因变量做解释变量；回归模型中不把滞后因变量做解释变量；n没有缺落数据，例如没有缺落数据，例如1960-1999年的时间序列数据年的时间序列数据中，如果中，如果63年和年和72年数据观测值缺落，则年数据观测值缺落，则DW统统计量不宜用。计量不宜用。本讲稿第八页，共十七页本讲稿第九页，共十七页dL244-dL0dU4-dU正相关无自相关负相关d不确定不确定对给定样本大小和给定的解释变量个数查出临界值dL和dU本讲稿第十页，共十七页三、自相关的识别n高阶自相关的BG检验：假设干扰项是由如下p阶自回归模式产生的：nOLS估计原模型并得到残差etn做et对模型中全部回
5、归元和附加回归元et-1,et-2,et-p的回归，得到r2。n如果样本是大样本，则：(n-p)r2 2p本讲稿第十一页，共十七页四、序列相关的修正n自相关结构已知时的修正广义差分法t遵循0均值、同方差、无序列相关的各条OLS假定广义差分方程，失去一次观测本讲稿第十二页，共十七页四、序列相关的修正n未知时n（1）用DW统计量估计本讲稿第十三页，共十七页四、序列相关的修正n（2）科克伦-奥克特两步法n做原模型的OLS估计，得到残差etn做回归：估计n用 作广义差分方程的回归，求回归系数。本讲稿第十四页，共十七页四、序列相关的修正n（3）德宾两步法n将广义差分方程写为：n将上式看作一复回归模型，求
6、Yt对Xt，Xt-1和Yt-1的回归，并把对Yt-1的回归系数的估计值（）看作对的一个估计。虽然这个估计值有偏误，它却是的一个一致性估计。n求得 后，把变量换为 对转换变量形成的广义差分方程做OLS估计。本讲稿第十五页，共十七页例 美国零工招聘指数与失业率n数据如表。回归模型设为：n其中：HWI:零工招聘指数，U:失业率先验符号？查表，N=24,一个解释变量，5%的DW临界值：dL=1.27,dU=1.45，0d=0.911 dL，正序列相关本讲稿第十六页，共十七页例 美国零工招聘指数与失业率n序列相关修正，估计n用DW统计量估计n科克伦-奥克特两步法n德宾两步法n科-奥两步法结果：一般对大样本来说，用哪种方法区别不大。但是对小样本则不同。而且没有一种方法总是优于其他方法。科-奥两步法较常用。本讲稿第十七页，共十七页