资源描述：
《计量经济学-理论和应用(II)》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、计量经济学—理论和应用张红霞Zhanghx_c@126.com序列相关性序列相关性概念实际经济问题中的序列相关性序列相关性的后果序列相关性的检验具有序列相关性模型的估计案例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。序列相关（serialcorrelation）又称自相关（autocorrelation）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)=0ij,i,j=1,2,…,n序列相关性概念或序列相关性概念称为一阶
2、序列相关，或自相关（autocorrelation）如果仅存在E(ii+1)0i=1,2,…,n自相关往往可写成如下形式：i=i-1+i-1<<1其中：被称为自协方差系数（coefficientofautocovariance）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：序列相关性概念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）。本
3、期GDP高于期望，有理由预测下一期也会高；某个家庭的消费偏低，有理由推测另一个家庭消费也偏低（正相关）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实际经济问题中的序列相关性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
4、+t，如果X3确实影响Y，则出现序列相关。实际经济问题中的序列相关性但建模时设立了如下模型：Yt=0+1Xt+vt因此，由于vt=2Xt2+t,，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，实际经济问题中的序列相关性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
5、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。实际经济问题中的序列相关性进行一项模拟（MonteCarloexperiment）序列相关性的后果模拟残差数据（误差项初始值设为3）正态随机数序列相关性的后果序列相关性的后果获得样本数据序列相关性的后果拟合回归线序列相关性的后果真实回归线真实残差平方和：130.7计算的残差平方和：10.4序列相关性的后果残差平方和低估将导致回归系数标准误低估残差平方和低估将使得F检验值高估，拟合优度高估，从而失准；回归系数标准误低估将使得t检验值高估，从而失准。序列相关性的后果1、变量
6、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。SSR/（n-k-1）很可能低估扰动项u的方差；将使得回归系数标准误低估；使得t检验、F检验等失效序列相关性的后果2、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。1、参数估计量非有效（不再具有最小方差性））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
7、有一致性，但仍然不具有渐近有效性。序列相关性的后果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: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
8、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
