自相关问题在职.pptVIP

* * DW与自相关系数的对应关系表 自相关系数估计值 DW 误差项的自相关性 -1 (-1,0) 0 (0,1) 1 4 (2,4) 2 (0,2) 0 完全负自相关 负自相关 无自相关 正自相关 完全正自相关 * * 根据样本容量和解释变量的数目（含常数项）查DW分布表，得到临界值dL和dU，然后依下列准则考察计算得到的DW值，以决定模型的自相关状态。 0≤DW≤dL 存在着相关 dL＜DW≤dU 不能判断是否有自相关 dU＜DW＜4- dU 无自相关 4-dU≤DW＜4-dL 不能判断是否有自相关 4-dL≤DW≤4 存在负相关 0 dL dU 4 4-dU 4-dL 2 * * DW=2的左右有一个较大的无自相关区域，所以，通常当DW的值在2左右时，无需查表，即可放心地认为模型不存在序列的自相关性。 但DW也存在明显的缺点和局限性： 1.DW有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断，这时，只有增大样本容量或选取其他方法； 2.DW统计量的上、下界表要求n＞15,这是因为样本再小，利用残差很难对自相关的存在性作出比较正确的诊断； 4.DW检验不适应随机项具有高阶自相关的检验。 * * （一）广义一阶差分法 （二）一阶差分法 （三）柯-奥迭代法 （四）杜宾两步法 （五）广义最小二乘法 §4.6 自相关的补救措施 * * §4.6.1 广义差分法 设线性回归模型为 已知 有一阶自相关性，即 把滞后一期的观测值代入变量关系，得方程： 可得 令 　　　　　根据 可得 * * §4.6.2 一阶差分法 设线性回归模型为 已知 有很强的一阶自相关性，即 把滞后一期的观测值代入变量关系，得方程： 可得 令 可得 * * §4.6.3 　的估计方法 一、根据德宾—沃森d统计量估计ρ 二、科克伦－奥克特迭代法估计ρ 1、先用OLS对原模型做回归并得到残差 2、再利用估计的残差做如下回归： * * 3、用估计的　 ，对原模型进行广义差分可得 5、根据新残差求ρ第二轮估计值，回归方程 这样求出的　 就是　 的第二轮估计值． 这种将一直持续下去，知道连续两次求出的　 的估 计值前后相差不大，例如小于0.01或0.005． * * 三、科克伦－奥克特两步法 1、根据 估计ρ 2、利用ρ的这个估计值作广义差分方程的回归 * * * * * * 从两变量模型的广义差分式 整理后可得 将上述多元线性回归中Yt-1的回归系数作为ρ的估计值 ，利用广义差分变换， ， 得到 对它进行最小二乘估计，并把回归结果作为原模型参数的估计。 四、德宾两步法 * * * * 说明性例题 * * * * * * * * * * 第 4 章 自相关 * * 第4章 自相关性 一、自相关的概念 二、自相关产生的背景与原因 三、自相关性的后果 四、自相关性的检验 五、自相关问题的处理方法 * * §4.1 问题的性质 §4.1.1 自相关的概念 在回归模型中我们总假定不同时点的随机误差项之间是不相关的，即 如果一个回归模型不满足上述假设，即 则我们称随机误差项之间存在自相关现象。 * * 如果仅存在 称为一阶自相关，这是最常见的一种自相关问题。 自相关不是指两个或两个以上的变量之间的相关关系，而是指一个变量前后期数值之间存在的相关关系。 这里主要讨论自相关现象产生的背景和原因，自相关现象对回归分析带来的影响，诊断自相关是否存在的方法，以及如何克服自相关现象带来的影响。 * * * * §4.1.2自相关产生的背景与原因 1.经济变量的惯性 2.设定偏误Ⅰ：遗漏关键变量 4.设定偏误Ⅱ：采用错误的回归函数形式 4.蛛网现象可能带来序列的自相关性： 5.滞后效应：如当期收入和前期消费影响当期消费支出 6.对数据加工整理：①如根据季度数据计算月平均值以烫平波动；②数据的内插或外推。 虽然自相关问题经常出现在时间序列数据中，有时也会出现的横截面数据中。 * * * * * * §4.2 出现自相关时的OLS估计量 如果存在自相关，假设有下式成立： 其中ρ被称为自协方差系数或一阶自相关系数，并且 是满足OLS假定的随机干扰项 (4.2.1)被称为马尔可夫一阶自回归模式 * * 如果存在自相关，如AR(1)，β2的OLS估计量： β2的方差则为：