《计量经济学课件第9章》由会员分享，可在线阅读，更多相关《计量经济学课件第9章（37页珍藏版）》请在金锄头文库上搜索。
1、1经典假设4要求误差项的观察值互不相关。序列相关：某期误差项的值以某种系统的方式 依赖于其他期误差项的值。第9章 序列相关性2序列相关产生的原因一、惯性。大多数经济时间序列都存在序列相关。其本期值往往受滞后 值影响。突出特征就是惯性与低灵敏度。如国民生产总值，固定资产投 资，国民消费，物价指数等随时间缓慢地变化，从而建立模型时导致误 差项序列相关。 二、 模型设定误差。（表现为应变量不相关，误差项相关） 、若回归模型中丢掉了应该列入模型的重要解释变量，那么它的影响必 然归并到误差项中，从而使误差项呈现序列相关。当然略去多个带有序 列相关的解释变量，也许因互相抵消并不使误差项呈现序列相关。 、模
2、型选择了错误的函数形式。若所用的数学模型与变量间的真实关系 不一致，误差项常表现出序列相关。比如平均成本与产量呈抛物线关系 ，当用线性回归模型拟合时，误差项必存在序列相关。 、解决办法：将略去的变量加入模型或改变模型的函数形式。3三、蛛网现象许多农产品的供给表现出一种所谓的蛛网 现象。 例如，供给价格的反应要滞后一个时期。 今年种植的作物是受去年流行的价格影 响的，因此，相关的函数形式是：这种现象就不能期望扰动项是随机的。4四、数据加工在经验分析中，许多数据是经过加工而成的。 例如，在用到季度数据的时间序列回归中，季度数 据通常由月度数据加总而成。这种平均的计算减弱 了每月的波动而引进了数据的
3、匀滑性。（内插与外 推等数据揉合技术）注:序列相关也可能出现在横截面数据中，但更一 般出现在时间序列数据中。59.1.1 纯序列相关性误差项的两个任意观测值间的简单相关系数的期 望值不等于0，则称误差项是序列相关的。9.1 纯序列相关与非纯序列相关6最常用的假定形式:一阶序列相关误差项的当期值是其前一期值的函数。7正序列相关正序列相关:误差项从某一期到下一期倾向于有相同 的符号. 例如:外部冲击对经济系统的影响会延续到后面几期. 图9-18无序列相关无序列相关:误差项的不同观测值之间完全不相关. 图9-29负序列相关负序列相关:在相继的观察期内,误差项的符号从负到正 ,然后由正变负,如此不断地
4、转换. 例如:潜在的随机干扰项的抽取,存在某种循环. 在大多数时间序列中,负的序列相关较少. 图9-310季节的序列相关在季节模型中,当前季节的误差项观察值可能与 上年同一季节的误差项观察值存在函数关系.11高阶的序列相关误差项观察值可能不仅仅是滞后一期误差项 观察值的函数,如二阶序列相关.129.1.2 非纯序列相关非纯序列相关:由设定偏误,如遗漏变量或 不正确的函数形式,引起的序列相关.纯序列相关是在方程正确设定时误差项的 潜在分布引起的序列相关.非纯序列相关是由于真实的误差项不存在 序列相关,由于遗漏变量或不正确的函数形式, 导致新的误差项存在序列相关. 13序列相关的修正方法取决于是纯
5、序列相关 还是非纯序列相关;对于非纯序列相关,补救措施:加入遗漏变 量或选择正确的函数形式;在考虑纯序列相关之前,应尽可能保证其模 型设定是最优的.14遗漏一个解释变量15一个例子P17616不正确的函数形式179.2 序列相关性的后果、纯序列相关不会导致对系数的有偏估计;但 由不正确设定产生的非纯序列相关,则可能导 致估计系数的偏误. 、序列相关使OLS估计量不再是最小方差估计 量.序列相关增大了估计值分布的方差,增大 了任意给定的估计值可能异于真实值的数量.189.2 序列相关的后果3、序列相关导致OLS估计量的方差是有偏的，从而导 致不可靠的假设检验.典型的是,OLS常常低估系数的标准误
6、,从而高估 t统计值,导致拒绝虚拟假设的可能性增大,犯第一 类错误的可能性增加。 4、假设检验如t检验和检验,在纯序列相关的情况 下变得有偏且不可靠。 5、降低预测精度。用依据普通最小二乘法得到的回 归方程去预测，预测是无效的。199.3 杜宾沃森检验v图示法：首先用OLS估计方程，利用得到的 残差的图形来判断误差项是否存在自相关。v解析法：杜宾沃森d检验和自回归模型的自 相关检验20一、图示法： 时间序列图（Time Sequence plot):将残差对时间描点。 如图（a）所示，扰动项的估计值呈循环形，并不频繁 地改变符号，而是相继若干个正的以后跟着几个负的。 表明存在正自相关。t(a)
7、21(b)如（b）图所示，扰动项的估计值呈锯齿状，随时间 逐次改变符号，表明存在负相关。t229.3.1 杜宾沃森d统计量d检验（Durbin-Watson） d检验是检验序列相关的最著名的、最常用的方法。 1、使用条件 （1）回归模型中含有截距项； （2）随机扰动项是一阶相关;（3）回归模型中不把滞后应变量做解释变量；23检验方法如下：当d约接近2，误差项的序列相关越小。24检验步骤：单侧检验H0:没有正序列相关;HA:正序列相关.（1）做OLS回归，得到残差。（2）计算统计量d（3）对给定的样本数量和解释变量数目，在给定显著水平下，找出临 界值的下界和上界dL、dU 。（4）根据决策规则决
8、定是否接受原假设。原假设决策条件没有正序列相关拒绝0ddL 没有正序列相关接受dud没有正序列相关无决定dLddud检验的缺陷是存在不确定域。如果统计量落入不确定域中时，无法 判断是否存在自相关。当d值落在“不确定”区域时，有两种处理方法。 加大样本容量或重新选取样本，重作d检验。有时d值会离开不确定区。 选用其它检验方法。9.3.2 运用杜宾沃森d检验的步骤25检验步骤：双侧检验（1）做OLS回归，得到残差。（2）计算统计量d（3）对给定的样本数量和解释变量数目，在给定显著水平下，找出临 界值的下界和上界dL、dU 。（4）根据决策规则决定是否接受原假设。原假设决策条件无正序列相关拒绝0dd
9、l 无负序列相关拒绝4 - dld4 无正或负的序列相关接受dud4 -du无正或负的序列相关不能确定dlddu 4 dud4 -dld检验的缺陷是存在两个不确定域。如果统计量落入不确定域中时， 无法判断是否存在自相关。当d值落在“不确定”区域时，有两种处理方法 。加大样本容量或重新选取样本，重作d检验。有时d值会离开不确定区 。选用其它检验方法。26P1809.3.3 运用杜宾沃森d检验的例子279.4 序列相关性的修正修正序列相关的起点是检查方程中可能的 设定偏误所带来的非纯序列相关.函数形式是 否正确?是否存在遗漏变量;杜宾沃森d检验能帮助侦察到非纯序列相关 ,负的序列相关常常是非纯序列相关的提示. 但杜宾沃森d检验不能区别纯序列相关和非 纯序列相关.289.4.1 广义最小二乘法29广义最小二乘法(GLS)30v 这种广义差分交换可以推广到多个解释变 量的情形，也容易将差分变换推广到高阶。31注意:不能直接用OLS估计GLS模型32P183Cochrane-Orcutt方法-两步迭代法33AR(1)估计方法34AR(1)估计方法359.4.2 Newey-West标准误36小结37作业课堂作业：2、4、5、6、7、8、9 其余的课后作业。
