4.2序列相关性讲解.ppt

§4.2 序列相关性 ;一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、具有序列相关性模型的估计 六、案例; 一、序列相关性概念;或;称为一阶列相关，或自相关（autocorrelation）; 二、实际经济问题中的序列相关性 ; 2、模型设定的偏误 ; 但建模时设立了如下模型： Yt= ?0+?1Xt+vt 因此，由于vt= ?2Xt2+?t, ，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。; 3、数据的“编造”; 计量经济学模型一旦出现序列相关性，如果仍采用OLS法估计模型参数，会产生下列不良后果：; 2、变量的显著性检验失去意义;2、对回归系数估计参数的显著性检验（t检验）失去意义; 3、模型的预测失效;三、序列相关性的检验; 然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。;自相关的检验;一、图示法; 1、图示法; 2、回归检验法 ;3、杜宾-瓦森（Durbin-Watson）检验法 ; ;1、给出原假设和备择假设：; 因为有:; DW检验与其它统计检验不同，它没有唯一的临界值用来制定判别规则。Durbin-Watson根据样本容量和被估参数个数，在给定的显著性水平下，给出了检验用的上、下两个临界值dU和dL 。判别规则如下： ;真实工资和劳动生产率（1959-2002，美国） wt = 29.57 + 0.70pt+et s.e = (1.46) (0.02) R2=0.9755 F=1674.30 DW=0.21 查表得（5%的显著水平）： dL=1.475 dU=1.566 DW=0.211.474，在5%的显著水平下，拒绝 零假设，即存在正的自相关。; 4、拉格朗日乘数（Lagrange multiplier）检验 ; GB检验可用来检验如下受约束回归方程 ;设原回归模型是：;令： Yt* = Yt - ? Yt -1 Xj t* = Xj t - ? Xj t - 1 j = 1 , 2 , … k ?0* = ?0 (1 - ? ) ;如果ut具有二阶自回归形式: ， 应如何处理？; 在进行广义差分时，解释变量X与被解释变量Y 均以差分形式出现，因而样本容量由n减少为 n－1，即丢失了第一个观测值。如果样本容量较大，减少一个观测值对估计结果影响不大。但是，如果样本容量较小，则对估计精度产生较大的影响。此时，可采用普莱斯－温斯滕（Prais-Winsten）变换，将第一个观测值变换为; 2、随机误差项相关系数的估计;该方法利用残差et 去估计未知的ρ。对于一元线性回归模型;科克伦－奥克特迭代法估计ρ 的步骤如下：;;;4;;; 类似地，可进行第三次、第四次迭代。;（2）杜宾（durbin）两步法;应用软件中的广义差分法;如果能够找到一种方法，求得Ω或各序列相关系数?j的估计量，使得GLS能够实现，则称为可行的广义最小二乘法（FGLS, Feasible Generalized Least Squares）。 FGLS估计量，也称为可行的广义最小二乘估计量（feasible general least squares estimators） 可行的广义最小二乘估计量不再是无偏的，但却是一致的，而且在科克伦-奥科特迭代法下，估计量也具有渐近有效性。 前面提出的方法，就是FGLS; 4、虚假序列相关问题;五、案例：中国商品进口模型;1. 通过OLS法建立如下中国商品进口方程： ; DW检验;3阶滞后：; 3、运用广义差分法进行自相关的处理 ;则M*关于GDP*的OLS估计结果为： ;（2）采用科克伦-奥科特迭代法估计?