计量经济学课件第9章.pdf

第9章 序列相关性 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。 1 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） １、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。 ２、模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。 ３、解决办法：将略去的变量加入模型或改变模型的函数形式。 2 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： S    P   t 1 2 t  1 t 这种现象就不能期望扰动项是随机的。 3 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。 4 9.1 纯序列相关与非纯序列相关 9.1.1 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。 E (r ) 0, (i j ) i j 5 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。    , t t 1 t 其中，是所研究方程的误差项，是参数，是经典误差项（无序列相关）。 上式又称一阶马尔可夫模式，称为一阶自相关系数。 的大小表明方程中序列相关的强度。若为0，则不存在序列相关，当在 绝对值上趋向于1时，误差项的前期值对于决定当期值 就变得更加重要， t 即存在高度序列相关。 若在绝对值上大于1，意味着误差项的绝对值具有随时间持续增加的趋势， 不合理，所以认为1 1。 6 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.