自相关修正方法:ρ已知时广义差分与Cochrane-Orcutt迭代.pdfVIP

自相关修正方法:ρ已知时广义差分与Cochrane-Orcutt迭代.pdf

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

(四)自相关的修正

ρ已知时的广义差分

若ρ已知可以通过对因变量和自变量进行广义差分来消除自相关的影响。具

体做法是:

1−ρY1−ρX

11



Y−ρYX−ρX

2121



1)对数据进行变换:Y=Y−ρY,X=X−ρX

*32*32



Y−ρYX−ρX

TT−1TT−1

2)用Y对X进行OLS估计,从而得到参数的有效估计。

**

3)若ρ=1,则广义差分变成一阶差分,而一阶差分后的回归方程将没有截距项,

因此在估计除截距项外的参数后,截距项的参数β=Y−βX−−βX。

122tkkt

广义差分法在ρ已知时会非常有用,但是这不是常见的情形。因此,我们要

探讨一些ρ未知时的修正方法

Cochrane-Orcutt方法

这个方法是一个迭代过程,每一次迭代所产生的ρ的估计都比前一次迭代的

ρ的估计更好一些。迭代的过程如下:

第一步,用OLS对模型Y=Xβ+ε进行估计,然后对残差进行如下的估计:

ˆˆ

ε=ρε+μ。

tt−1t

第二步,用估计出来的ρ对Y,X进行广义差分得到Y和X。用Y和X进行OLS

****

估计,然后对新的残差进行如下估计:

εˆ=ρεˆ+μ

t1t−1t

第三步,用新估计出来的ρ对Y,X进行广义差分得到新的Y和X。然后重复前

1

文档评论(0)

199****9598 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档