计量课件第五章序列相关.pptVIP

正序列相关不能确定无序列相关不能确定负序列相关0dLdU24-dU4-dL4－dUD.W.4－dL不能确定4－dLD.W.4存在负序列相关当D.W.值在2左右时，模型不存在一阶序列相关。注：在Eviews的回归结果中已经自动计算出来了P92【相关链接】DW检验法d=0.6301。从D-W表中可以看到，对于n=24，k=1，在5%的显著水平下：dL=1.27和dU=1.45。由于0.6301远低于下临界值1.27，故存在正序列相关。根据图形检验我们可以得出同样的结论。练习检验下列情况下是否存在误差项的序列相关。(1) DW=0.81，n=21，k=3(2) DW=2.25，n=15，k=2(3) DW=1.56，n=30，k=5思考DW检验的局限性主要有哪些?DW检验的局限性1.DW检验有两个无法确定的区域，不能确定其是否存在序列相关。2.只能检验一阶序列相关，不适合于高阶序列相关的检验。3.样本容量要足够大，至少大于15。4.DW检验有运用的前提条件，只有符合这些条件DW检验才是有效的。up三、拉格朗日乘数(LM)检验法拉格朗日乘数检验克服了DW检验的缺陷,既可检验一阶自回归,也可检验高阶自回归，它是由Breusch和Godfrey于1978年提出的，也被称为BG检验。对于模型：LM检验的原假设为：（不存在序列相关）例子：P93【相关链接】LM检验法up1.广义差分法广义差分法是将原模型变换为满足OLS法的差分模型，再进行OLS估计。up第三节序列相关的修正滞后一期并乘以两式相减满足经典假设广义差分模型广义差分变换怎样估计?？二.?的估计应用广义差分法，必须已知随机误差项的相关系数?1,?2,…,?L。实际上，人们并不知道它们的具体数值，所以必须首先对它们进行估计。1.用DW统计量估计?2.杜宾（durbin）两步法3.科克兰内-奥克特（Cochrane-Orcutt）法up1用DW统计量估计?适用于大样本P96【相关链接】d=0.6301GENRY1=Y-0.6850Y(-1)GENRX1=X-0.6850X(-1)LSY1CX1已消除序列相关，此时估计方程为up2.杜宾两步法P97【相关链接】up3.科克兰内-奥克特法P99【相关链接】

科克兰内—奥克特法修正序列相关up第五章序列相关回顾6项基本假定（1）E(ui)=0（随机项均值为零）（2）解释变量间不相关（无多重共线性）（3）Var(ui)=?2（同方差）（4）Cov(ui,uj)=0（随机项无序列相关）（5）Cov(X,ui)=0（随机项与X不相关）（6）随机误差项服从正态分布。什么是无序列相关、

序列相关呢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(ui,uj)=E(uiuj)=0。任一次观测的干扰项都不受任何其他观测的干扰项影响例：一个家庭收入增加对其消费支出的影响并不会影响另一个家庭的消费支出；上月某个特殊事件对产出的影响不会波及到本月的产出。如果上述假定不满足，则称之为序列相关无序列相关的散点图序列相关散点图第一节序列相关问题概述第二节序列相关的检验第三节序列相关的修正本章基本内容一、序列相关概念如果对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了序列相关或自相关。对于模型Yi=?0+?1X1i+?2X2i+…+?kXki+uii=1,2,…,n序列相关意味着Cov(ui,uj)=E(uiuj)≠0,i≠j序列相关例子：研究生产函数，产出量为被解释变量，资本劳动技术等投入要素为解释变量。Q=F(L，K，T）+ut除这些因素外，还有很多因素没有包括进来，如政策因素，如果国家采取某项政策，对产出量的影响是有内在联系的，前一年是正的影响，后一年往往也是正的影响。于是在不同样本点之间，随机误差项出现了相关性。对序列相关的理解：序列相关不是