第六章 序列相关性kk.ppt

1、检验 （1）图示法检验 （2）D.W.检验： 在5%在显著性水平下，n=19，k=2(包含常数项)，查表得dL=1.18，dU=1.40， 由于DW=0.9505dL，故存在正自相关。 2、自相关的处理 （1）一阶差分法 R2=0.4747, D.W.=1.8623 由于DWdu=1.39(注：样本容量为18个)，已不存在自相关。 （2）广义差分法： ①采用杜宾两步法估计? 由于DW=1.39(注：样本容量为19-1=18个)，已不存在自相关。于是原模型估计式为： ②采用科克伦-奥科特迭代法估计? 一阶广义差分的结果： 由于DWdu=1.39(注：样本容量为18个)，已不存在自相关。 二阶广义差分的结果： 由于DWdu=1.38(注：样本容量为19-2=17个)，已不存在自相关。 但由于AR[2]前的系数的t值为-0.15，在5%的显著性水平下并不显著，说明随机干扰项不存在二阶序列相关性，模型中应去掉AR[2]项。 案例3： 天津市城镇居民人均消费与人均可支配收入的关系。 改革开放以来，天津市城镇居民人均消费性支出（CONSUM），人均可支配收入（INCOME）以及消费价格定基指数（PRICE）数据（1978~2000年）见表6.2。现在研究人均消费与人均可支配收入的关系。 先定义不变价格（1978=1）的人均消费性支出（Yt）和人均可支配收入（Xt）。令 Yt = CONSUM / PRICE, Xt = INCOME / PRICE 假定所建立的回归模型形式是Yt = ?0 + ?1 Xt + ut Yt 和 Xt 散点图 残差图 （1）估计线性回归模型并计算残差。 = 111.44 + 0.7118 Xt (6.5) (42.1) R2 = 0.9883, s.e. = 32.8, DW = 0.60, T = 23 （2）分别用DW、LM统计量检验误差项 ut是否存在自相关。 已知DW = 0.60，若给定? = 0.05，查附表4，得DW检验临界值dL = 1.26，dU = 1.44。因为 DW = 0.60 ? 1.26，认为误差项ut存在严重的正自相关。 LM（BG）自相关检验辅助回归式估计结果是 et = 0.6790 et -1 + 3.1710 – 0.0047 Xt + vt (3.9) (0.2) (- 0.4) R2 = 0.43, DW = 2.00 LM = T R2 = 23 ? 0.43 = 9.89。因为?20.05(1) = 3.84，LM = 9.89 3.84，所以LM检验结果也说明误差项存在一阶正自相关。 注意： （1）R2值有所下降。不应该不相信估计结果。原因是两个回归式所用变量不同，所以不可以直接比较确定系数R2的值。 （2）两种估计方法的回归系数有差别。计量经济理论认为回归系数广义最小二乘估计量优于误差项存在自相关的OLS估计量。所以0.6782应该比0.7118更可信。特别是最近几年，天津市城镇居民人均收入的人均消费边际系数为0.6782更可信。 （3）用EViews生成新变量的方法： 从工作文件主菜单中点击Quick键，选择Generate Series …功能。打开生成序列（Generate Series by Equation）对话框。在对话框中输入如下命令（每次只能输入一个命令）， Y = CONSUM / PRICE X = INCOME / PRICE 按OK键。变量Y和X将自动显示在工作文件中。 案例4： 天津市保费收入和人口的回归关系 本案例主要用来展示当模型误差项存在2阶自回归形式的自相关时，怎样用广义差分法估计模型参数。 1967~1998年天津市的保险费收入（Yt，万元）和人口（Xt，万人）数据散点图见图。Yt与Xt的变化呈指数关系。对Yt取自然对数。LnYt与Xt的散点图见图。 可以在LnYt与Xt之间建立线性回归模型。LnYt = ?0 + ?1 Xt + ut Yt和Xt散点图 LnYt和Xt散点图 对残差序列的拟合发现，ut存在二阶自相