第五章序列相关性概述.pptVIP

石河子大学经管学院－－唐勇 北京大学 王其文 石河子大学经济与管理学院 唐 勇 tanggula2003@163.com 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 1、经济惯性 2、设定偏误 应含而未含变量的情形 不正确的函数形式 3、蛛网现象(Cobweb phenomenon) 4、滞后效应 5、数据的“编造” 自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。 2、变量的显著性检验失去意义 例5—1：我国城乡居民储蓄存款年底余额（y）与GDP指数（x）统计资料 绘制相关图，确定模型的函数形式 利用OLS法估计模型，经过比较、分析，取双对数模型为好，结果为： 残差图分析：在Equation窗口中单击Resid按钮，所显示的残差图表明et呈现有规律的波动，预示着可能存在自相关 运用GENR生成序列E，观察E、E(-1)的散点图 回归检验法适合于任意随机变量序列相关的检验，并能提供序列相关的具体形式及相关系数的估计值，这一方法的应用分三步： 依据模型变量的样本观测数据，应用普通最小二乘法求出模型的样本估计值，得到残差et 建立et与et-1 、et-2的相关关系模型，由于它们相互关系的形式和类型是未知的，需要用多种函数形式进行检验，常用的函数形式主要有： 3、D-W检验法 DW检验的判断准则 检验步骤 （1）提出假设 H0：?=0，即不存在一阶自相关； H1：??0，即存在一阶自相关。 （2）构造统计量DW （3）检验判断 对给定样本大小和给定解释变量个数找出临界值dL和dU，按图中的决策准则得出结论。 适用条件 （1）回归模型中含有截距项 （2）解释变量是非随机的 （3）随机扰动项是一阶自相关 （4）回归模型解释变量中不包含滞后因变量 （5）没有缺落数据，样本比较大 例5—1：我国城乡居民储蓄存款年底余额（y）与GDP指数（x）统计资料 OLS法估计的结果为： 因为n=21，k=1，取显著性水平为0.05，查表得dL=1.221，dU=1.420，而0DW=0.740154dL,所以存在一阶正自相关。 4、高阶自相关性的检验 （1）偏相关系数检验 在多个变量Y，X1,X2······Xk之间，如果只考虑Y与Xi之间的相关关系，其他变量固定不变，这种相关性称为偏相关，具体的度量指标是偏相关系数。 在Equation窗口中依次单击：View—Resid Test—Correlogram-Q-statistics. 屏幕将直接输出et与et-1 ，et-2···· et-p 的相关系数和偏相关系数，分析时为了排除相关关系的相互影响，应该使用偏相关系数(Partial Correlation-PAC)判断自相关性. PAC检验 （2）布罗斯-戈弗雷(Breusch-Godfrey)检验或拉格朗日乘数(Lagrange Multipicator，LM)检验： 对于模型 Yt=b0+b1X1t+b2X2t+···+bkXkt+ut 设自相关形式为： ?t=?1?t-1+ ?2?t-2 +···+ ?p?t-p +vt 假设H0=?1 =?2 =···= ?p 即不存在自相关 对该假设的检验过程为： （1）利用OLS法估计模型，得到残差序列et （2）将et关于残差的滞后值et-1 ，et-2····· et-p进行回归： et=?1et-1+ ?2et-2 +···+?pet-p +vt 并计算出辅助回归模型的判定系数R2 （3）布罗斯和戈弗雷证明，在大样本情况下，渐进地有 nR2 ～x2(p) 因此，对于显著性水平a，若nR2 xa2(p),则拒绝H0，即认为至少有一个?i值显著地不为零，即存在自相关。 （4）操作：在Equation窗口中依次单击：View—Resid Test—Serial Correlation LM Test,屏幕将显示有关信息。 Breusch-Godfrey检验 从本例的检验过程可以看出，利用OLS法建立回归模型之后，一般是先根据残差图和DW值初步判断模型是否存在自相关，然后再利用偏相关系数或B-Q检验进一步确认自相关，并确定期具体形式，本例的具体形式为： 2、广义差分法 例5.2：中国城乡居民存款模型（自相关调整） 根据例5.1的检验结果，模型存在一阶、二阶自相关，即： ?t=?1?t-1+ ?2?t-2 +···+vt 所以在LS命令中加上AR(1)和AR(2)，结果如图： 偏相关系数检验(PAC) 对于模型 Y=X?+ ? 如果存在序列相关，同时存在异方差