浙大宁波理工学院计量经济学第八章序列相关.ppt

第八章 序列相关8.4 一阶序列相关的消除 8.4.3 的估计方法 1、大样本情况下，用DW检验中的统计量d来估计 由于 所以： 2、小样本情况下，由泰尔-纳加公式得： 其中，n为样本数，d为DW检验的统计量，k为待估计系数个数，包括截距项。 第八章 序列相关8.4 一阶序列相关的消除 3、柯克兰—奥克特（Cochrane-Orcutt）迭代法 思路： 柯克兰—奥克特迭代法的步骤为： （1）对模型 用OLS法估计参数 和 ，并求得残差 。 （2）根据公式 ，计算 。 参数 残差 1 2 3 第八章 序列相关8.4 一阶序列相关的消除 （3）对模型 进行广义差分变换， 即 或 对模型 用OLS法求得 和 ，并由此得到原模型的第二轮参数估计值 和 。 第八章 序列相关8.4 一阶序列相关的消除 （4）将第（3）步求出的 和 代入模型 ，求得第二轮残差 。 （5）重复第（2）步，得到 的第二轮估计值 。 以此类推，得到 的第三轮、第四轮……估计值，当相继出现的 的估计值相差很小时，如0.01或0.005时为止。 第八章 序列相关8.5 序列相关EViews应用举例 课后要求 1、复习 2、EViews练习 3、课后习题 学习内容和要求 本章介绍经典假设中随机项之间存在相关关系的状况。 要求通过本章学习，了解序列相关产生的原因与后果，掌握序列相关的检验方法和一阶序列相关的消除方法。 第八章 序列相关 第八章 序列相关主要内容 8.1 一阶序列相关 8.2 产生序列相关的原因与后果 8.3 序列相关的检验方法 8.4 一阶序列相关的消除 8.5 序列相关EViews应用举例 引入案例 例题：研究居民收入和消费问题，设居民收入为I，消费为C，随机误差项为 ，则有 但是，我们知道，当期的消费 受前一期（滞后项） 的影响，因此模型应当为 由此可知，原模型随机误差项为 即原模型存在自相关——序列相关 第八章 序列相关8.1 一阶序列相关 序列相关的含义 如果Cov( , )≠0，则称随机项μ出现了序列相关。 序列相关通常出现在时间序列数据中。 这是对经典假设的破坏。 经典假设中，Cov( , )=0,其中i,j=1，2，…，n，且i≠j，即任意两次观察结果的随机项之间是相互独立的。 第八章 序列相关8.1 一阶序列相关 序列相关的划分 一阶序列相关 如果 仅仅与它的前一期有关，即 。 二阶序列相关 如果仅仅与它的前两期有关，即 。 其它阶可以此类推。 高阶序列相关 两阶以上的统称。 第八章 序列相关8.1 一阶序列相关 如房地产业的产值Y为因变量，GDP做自变量，选取年度数据为样本，建立回归模型： 政府产业政策的影响包含在 中，由于产业政策具有连续性，因此，若干年内，它对 具有持续正的或负的影响。于是， 会与前一期 或者前几期（ ）之间出现相关性。 第八章 序列相关8.1 一阶序列相关 一阶序列相关模型 假定它是线性相关，模型可以表示成： 其中，-1≤ρ≤1，ρ称为相关系数， 是随机项，并且满足经典假设的所有要求。 如果ρ＞0，称为正的自相关；如果ρ＜0，称为负的自相关。 第八章 序列相关8.2 产生序列相关的原因与后果 8.2.1 序列相关产生的原因 线性回归模型中随机误差项存在序列相关的主要原因 经济变量自身特点 数据处理 变量选择 模型函数形式选择 第八章 序列相关8.2 产生序列相关的原因与后果 1、经济变量固有的惯性 惯性是大多数经济时间数据具有的一个明显特点，表现在时间序列不同时间的前后关联上。 如GDP、价格指数、生产、就业和失业等时间序列都呈现周期循环，相继的观测值很可能是相互依赖的。 第八章 序列相关8.2 产生序列相关的原因与后果 2、模型设定的偏误 模型设定