资源描述：
《序列相关性计量经济学》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、序列相关性SerialCorrelation一、序列相关性的概念二、序列相关性的后果三、序列相关性的检验四、具有序列相关性模型的估计五、案例如果模型的随机误差项违背了互相独立的基本假设，则认为存在序列相关。普通最小二乘法（OLS）要求计量模型的随机误差项相互独立或序列不相关。一、序列相关性1、序列相关的概念对于模型i=1,2,…,n随机误差项互相独立的基本假设表现为：i≠j，i,j=1,2,…,n如果出现i≠j，i,j=1,2,…,n即对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为存在序列相关。在其他基本假设仍满足的条件下，随机
2、误差项序列相关意味着：（i≠j，i,j=1,2,…,n）如果用矩阵符号表示，则序列相关意味着：则称为一阶序列相关，或自相关（autocorrelation）。其中：被称为自协方差系数（coefficientofautocovariance）或一阶自相关系数（first-ordercoefficientofautocorrelation）。如果仅存在（i=1,2,…,n-1）这是最常见的一种序列相关问题。自相关往往可写成如下形式：2、序列相关产生的原因（1）惯性（2）设定误差：模型中遗漏了显著的变量（3）设定误差：不正确的函数形式（4）蛛网现象（5）数据的
3、“编造”（1）惯性大多数经济时间数据都有一个明显的特点，就是它的惯性。GDP、价格指数、生产、就业与失业等时间序列都呈周期性，如周期中的复苏阶段，大多数经济序列均呈上升趋势，序列在每一时刻的值都高于前一时刻的值，似乎有一种内在的动力驱使这一势头继续下去，直至某些情况（如利率或课税的升高）出现才把它拖慢下来。（2）设定误差：模型中遗漏了显著的变量例如：如果对牛肉需求的正确模型应为Yt=0+1X1t+2X2t+3X3t+t其中：Y=牛肉需求量，X1=牛肉价格，X2=消费者收入，X3=猪肉价格。但在建模时误将模型设定为：Yt=0+1X1t+2X2
4、t+vt那么该式中的随机误差项实际上是：vt=3X3t+t,于是在猪肉价格影响牛肉消费量的情况下，这种模型设定的偏误往往导致随机误差项中有一个重要的系统性影响因素，使其呈序列相关性。(3)设定误差：不正确的函数形式例如：如果边际成本模型应为：Yt=0+1Xt+2Xt2+t其中：Y=边际成本，X=产出。但在建模时误将模型设定为：Yt=0+1Xt+vt因此，由于vt=2Xt2+t，包含了产出的平方对随机误差项的系统性影响，随机误差项也呈现序列相关性。(4)蛛网现象例如：农产品供给对价格的反映本身存在一个滞后期：Qt=0+1Pt-1+t
5、其中：Qt=t年农产品的供给;Pt-1=t-1年农产品的价格。意思是，农民由于在前一年度（t-1）的过量生产（使该期价格下降）很可能导致在下一年度（t）削减产量，因此不能期望随机干扰项是随机的，往往产生一种蛛网模式。(5)数据的“编造”例如：如果季度数据来自月度数据的简单平均，那么这种平均的计算会减弱每月数据的波动而使季度数据更为平滑，从而使随机干扰项出现序列相关。此外，当历史数据缺失时，在两个时间点之间采用“内插”技术，也可能导致随机干扰项出现序列相关。二、序列相关性的后果1、参数估计量非有效OLS参数估计量仍具无偏性OLS估计量不具有有效性在大样本情况
6、下，参数估计量仍然不具有渐近有效性，这就是说参数估计量不具有一致性因为在有效性的证明过程中利用了即同方差性和互相独立性条件。2、变量的显著性检验失去意义在变量的显著性检验中，构造了t统计量，该统计量服从自由度为(n-k-1)的t分布。这些只有当随机误差项具有同方差和互相独立时才能成立。因此，当随机误差项存在序列相关时，t检验失去意义。如果出现了序列相关，即从而无法导出：相关，那么iY和jY不再独立，im和jm)1(~22--¢kneecsm及t分布统计量；),(~ˆ2jjjjcNmsbb、此外，如果出现了序列相关，那么参数估计量不具有有效性，参数估计量的方
7、差（从而标准差）将较大，计算得到的t统计量值将较小，从而接受原假设0:0=jHb的可能性较大，使某些原本显著的解释变量无法通过显著性检验。3、模型的预测功能失效由于上述后果，使得模型不具有良好的统计性质。所以，当模型出现序列相关性时，它的预测功能失效。三、序列相关性的检验1、基本思路序列相关性检验方法有多种，但基本思路是相同的：首先，采用普通最小二乘法估计模型，以求得随机误差项的“近似估计量”然后，通过分析这些“近似估计量”之间的相关性，以达到判断随机误差项是否具有序列相关性的目的。2、图示法由于残差~ei可以作为im的估计，因此如果im存在序列相关，必然
8、会由残差项~ei反映出来，因此可利用~ei的变化图形来判断随机项的
