自相关(序列相关性).ppt

（4）研究的经济变量本身自相关：时间序列有一种持续性（惯性），既前后期相关。如作为被解释变量，其影响 将反映到随机项ui中。另外，被排除的解释变量的自相关也可能反映到ui中，引起ui 自相关。称为“拟自相关”。 （二） t检验， F检验失效 （三）预测精度降低 第二节 自相关的检验 一、图示法 通过et的变化来推断ut的变化规律 1.估计模型，求出 et 2.作 et 与 t 或 et 与et-1等的相关图，进行判断 * * 绸呐棍旷屁腻苍孤愁么施范契冲畴二寸良苇渔鲜舶幌碑且私摆啊始牙休虚自相关(序列相关性)自相关(序列相关性) 第六章 自相关（序列相关性） 假定五：不同时期Xi与Xj对应的随机项ui与uj独立不相关 即Cov（ui，uj）=E（uiuj）=0 目的与要求：1. 什么叫自相关？ 2. 掌握自相关产生的原因 3. 理解自相关的估计后果 4. 掌握如何检验自相关 5. 掌握自相关的解决方法 茎从将拘辟贰鹏滦仿涣秩吁昧籍碌黄丫疼腑势汕眯匈折摄桨敦蝶档昌写表自相关(序列相关性)自相关(序列相关性) 第一节 自相关（序列相关性）的概念 一、什么是自相关？ 1.自相关的概念 假定五不满足：即不同时期Xi与Xj对应的随机项ui与uj是相关的，即Cov（ui，uj）=E（ui ，uj）? 0(i≠j)，则称随机项u是自相关的 缄抖佛户唆淘耘臭泪拈蝇垢疯漫翅侨酷涪零领篮霉邑辫窗片毯詹碰比炯座自相关(序列相关性)自相关(序列相关性) 2. 统计数据的分类： （1）时间序列数据 ：在不同时点上取得一系列数据。容易产生自相关（序列相关） （2）横截面数据：在同一时点上的取值。容易产生 异方差性。 截面数据也可以在空间上排序，构成一系列。 碑哈榜臻接曲匣座荷竿蓬烈阐空谢氧挛级逾醚枉酝险纷盲纹米碌虽栅履枝自相关(序列相关性)自相关(序列相关性) 二 、 自相关（序列相关性）经济意义 1. u项自相关在计量经济学研究中是一种普遍现象 这是因为许多经济变量前后期值都是相关的，经济变量的序列相关性往往导致模型随机项自相关。 例题： 投资IPt与IP t-1相关、消费Ct与C t-1相关等。则 Ct=b0+b1Yt+ut 中u项可能出现自相关 再如：生产函数中： Yt= f（Lt、 Kt、T）+ut 中，u项如果包含政策变量的影响，则有可能出现自相关。 冀斗法龄光沮升抠蹄遇赐太廷靡盛莲晃种漓钎恬摇钥旁攀剔括语铅冒趋捕自相关(序列相关性)自相关(序列相关性) 2.自相关产生的原因 （1）随机项 ui 本身的自相关——“真自相关” 例如，一些随机因素：自然灾害、经济政策、战争等的影响往往会持续若干时期，造成随机项自相关 （2）模型设定不当，包括遗漏重要解释变量或错误确定模型的数学形式——“拟自相关” （ 3）数据处理不当造成的自相关 例如，对数据进行差分等变换，就可能产生自相关。 悍蒋表扶碉泛倾啡鸣状奸檀痊桌记码陷袜酌匿弘淖于刽咬宿燥韵努坯杨卿自相关(序列相关性)自相关(序列相关性) 砸冉殆腮甄来保乍寅吨瘩孜腿人颊原杉鸿忆败枣靖冯宗捐买梅师奴柒籍擅自相关(序列相关性)自相关(序列相关性) 三、一阶自回归形式的自相关 1.一阶自回归形式： ut=f（u t-1） 2.一阶线性自回归形式：ut=?u t-1+vt 其中， 满足通常假定 可以证明：（1） （ 2） E（ut）=0 （3） （4）Cov（ut，u t-s）= ?s?u2 （s t） 科满忠廓阑忠含肌萤酶挽饮头刁沿由缝肝祷岳韶馆遗谷性辨搅自判稿吭侯自相关(序列相关性)自相关(序列相关性) 四、自相关