计量经济学-序列相关性

计量经济学-序列相关性

ID:42277223

大小:239.01 KB

页数:56页

时间:2019-09-11

计量经济学-序列相关性_第1页
计量经济学-序列相关性_第2页
计量经济学-序列相关性_第3页
计量经济学-序列相关性_第4页
计量经济学-序列相关性_第5页
资源描述:

《计量经济学-序列相关性》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、§2.7序列相关性SerialCorrelation一、序列相关性二、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的情况,称为序列相关性。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。称为一阶序列相关,或自相关(autocorrelation)。这是最常见的一种序列相关问题。自相关

2、往往可写成如下形式:其中:被称为自协方差系数(coefficientofautocovariance)或一阶自相关系数(first-ordercoefficientofautocorrelation)。2、序列相关产生的原因(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

3、现才把它拖慢下来。(2)设定偏误: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。如果模型设定为:Yt=0+1X1t+2X2t+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)设定偏误:不正确的函数形式例如:如果边际成本模型应为:Y

4、t=0+1Xt+2Xt2+t其中:Y=边际成本,X=产出。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。(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:供给t=0+1价格t-1+t意味着,农民由于在年度t的过量生产(使该期价格下降)很可能导致在年度t+1时削减产量,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,季度数据来自月度数据的简单平均

5、,这种平均的计算减弱了每月数据的波动而引进了数据中的匀滑性,这种匀滑性本身就能使干扰项中出现系统性的因素,从而出现序列相关。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。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2、变量的显著性检验失去意义在关于变量的显著性检验中,当存在序列相关时,参数的OLS估计量的方差增大,标准差也增大,因此实际的t统计量变小,从而接受原

6、假设i=0的可能性增大,检验就失去意义。采用其它检验也是如此。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2、解析法(1)回归检验法具体应用时需要反

7、复试算。回归检验法的优点是:一旦确定了模型存在序列相关性,也就同时知道了相关的形式;它适用于任何类型的序列相关性问题的检验。对各方程估计并进行显著性检验,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。(2)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)回归模型中

8、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;(5)没有缺落数据。D.W.统计量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,Durbin和Watson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。检验步骤①计算该统计量的值,②根据样本容量n和解释变量数目k查D.W

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。