4.2 序列相关性40807

4.2 序列相关性40807

ID:24819487

大小:248.50 KB

页数:47页

时间:2018-11-14

4.2 序列相关性40807_第1页
4.2 序列相关性40807_第2页
4.2 序列相关性40807_第3页
4.2 序列相关性40807_第4页
4.2 序列相关性40807_第5页
资源描述:

《4.2 序列相关性40807》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、§4.2序列相关性SerialCorrelation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§4.2序列相关性一、序列相关性概念如果对于不同的样本点,随机误差项之间不再是不相关的,而是存在某种相关性,则认为出现了序列相关性。对于模型Yi=0+1X1i+2X2i+…+kXki+ii=1,2,…,n随机项互不相关的基本假设表现为Cov(i,j)=0ij,i,j=1,2,…,n或称为一阶列相关,或自相关(autocorrelation)其中:被称为自协方差系数(co

2、efficientofautocovariance)或一阶自相关系数(first-ordercoefficientofautocorrelation)i是满足以下标准的OLS假定的随机干扰项:如果仅存在E(ii+1)0i=1,2,…,n自相关往往可写成如下形式:i=i-1+i-1<<1由于序列相关性经常出现在以时间序列为样本的模型中,因此,本节将用下标t代表i。二、实际经济问题中的序列相关性大多数经济时间数据都有一个明显的特点:惯性,表现在时间序列不同时间的前后关联上。由于消费习惯的影响被包含在随机误差项中,则可能出现序列相关性(往往是正相关

3、)。例如,绝对收入假设下居民总消费函数模型:Ct=0+1Yt+tt=1,2,…,n1、经济变量固有的惯性2、模型设定的偏误所谓模型设定偏误(Specificationerror)是指所设定的模型“不正确”。主要表现在模型中丢掉了重要的解释变量或模型函数形式有偏误。例如,本来应该估计的模型为Yt=0+1X1t+2X2t+3X3t+t但在模型设定中做了下述回归:Yt=0+1X1t+1X2t+vt因此,vt=3X3t+t,如果X3确实影响Y,则出现序列相关。但建模时设立了如下模型:Yt=0+1Xt+vt因此,由于vt=2Xt2+t,

4、,包含了产出的平方对随机项的系统性影响,随机项也呈现序列相关性。又如:如果真实的边际成本回归模型应为:Yt=0+1Xt+2Xt2+t其中:Y=边际成本,X=产出,3、数据的“编造”例如:季度数据来自月度数据的简单平均,这种平均的计算减弱了每月数据的波动性,从而使随机干扰项出现序列相关。还有就是两个时间点之间的“内插”技术往往导致随机项的序列相关性。在实际经济问题中,有些数据是通过已知数据生成的。因此,新生成的数据与原数据间就有了内在的联系,表现出序列相关性。计量经济学模型一旦出现序列相关性,如果仍采用OLS法估计模型参数,会产生下列不良后果:二、序列相

5、关性的后果1、参数估计量非有效因为,在有效性证明中利用了E(NN’)=2I即同方差性和互相独立性条件。而且,在大样本情况下,参数估计量虽然具有一致性,但仍然不具有渐近有效性。2、变量的显著性检验失去意义在变量的显著性检验中,统计量是建立在参数方差正确估计基础之上的,这只有当随机误差项具有同方差性和互相独立性时才能成立。其他检验也是如此。3、模型的预测失效区间预测与参数估计量的方差有关,在方差有偏误的情况下,使得预测估计不准确,预测精度降低。所以,当模型出现序列相关性时,它的预测功能失效。三、序列相关性的检验然后,通过分析这些“近似估计量”之间的相关性,以判断

6、随机误差项是否具有序列相关性。序列相关性检验方法有多种,但基本思路相同:基本思路:三、序列相关性的检验1、图示法2、回归检验法……如果存在某一种函数形式,使得方程显著成立,则说明原模型存在序列相关性。回归检验法的优点是:(1)能够确定序列相关的形式,(2)适用于任何类型序列相关性问题的检验。3、杜宾-瓦森(Durbin-Watson)检验法D-W检验是杜宾(J.Durbin)和瓦森(G.S.Watson)于1951年提出的一种检验序列自相关的方法,该方法的假定条件是:(1)解释变量X非随机;(2)随机误差项i为一阶自回归形式:i=i-1+i(3)回归

7、模型中不应含有滞后应变量作为解释变量,即不应出现下列形式:Yi=0+1X1i+kXki+Yi-1+i(4)回归含有截距项该统计量的分布与出现在给定样本中的X值有复杂的关系,因此其精确的分布很难得到。但是,他们成功地导出了临界值的下限dL和上限dU,且这些上下限只与样本的容量n和解释变量的个数k有关,而与解释变量X的取值无关。杜宾和瓦森针对原假设:H0:=0,即不存在一阶自回归,构如下造统计量:D.W.统计量:D.W检验步骤:(1)计算DW值(2)给定,由n和k的大小查DW分布表,得临界值dL和dU(3)比较、判断若0

8、dL

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。