§4.2 序列相关性 Serial Correlation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§4.2 序列相关性 一、序列相关性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 了序列相关性对于模型Yi=0+1X1i+2X2i+…+kXki+i i=1,2, …,n随机项互不相关的基本假设表现为Cov(i , j)=0 ij, i,j=1,2, …,n或称为一阶列相关，或自相关（autocorrelation）其中：被称为自协方差系数（coefficient of autocovariance）或一阶自相关系数（first-order coefficient of autocorrelation）i是满足以下标准的OLS假定的随机干扰项：如果仅存在E(i i+1)0 i=1,2, …,n自相关往往可写成如下形式：i=i-1+i -1 20.05(2) 故: 存在正自相关2阶滞后 ：3阶滞后：(0.22) (-0.497) (4.541) （-1.842） （0.087）R2=0.6615 于是，LM=210.6614=13.89取=5%，2分布的临界值20.05(3)=7.815LM > 20.05(3) 表明: 存在正自相关；但ět-3的参数不显著，说 明不存在3阶序列相关性。
3、运用广义差分法进行自相关的处理 （1）采用杜宾两步法估计第一步，估计模型 （1.76） (6.64) (-1.76) (5.88) (-5.19) (5.30) 第二步，作差分变换： 则M*关于GDP*的OLS估计结果为： （2.76） (16.46)取=5%，DW>du=1.43 (样本容量24-2=22) 表明：已不存在自相关于是原模型为： 与OLS估计结果的差别只在截距项 ： （2）采用科克伦-奥科特迭代法估计 在Eviews软包下，2阶广义差分的结果为： 取=5% ，DW>du=1.66(样本容量:22)表明:广义差分模型已不存在序列相关性 (3.81) (18.45) (6.11) (-3.61)可以验证: 仅采用1阶广义差分，变换后的模 型仍存在1阶自相关性；采用3阶广义差分，变换后的模型不再有自相 关性，但AR[3]的系数的t值不显著。