计量实验五 序列相关性

《计量实验五 序列相关性》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、计量经济学上机操作5实验五自相关性一实验目的：掌握自相关性模型的检验方法与处理方法二实验要求：应用教材P115例子4.2.1案例做自相关性模型的图形法检验和DW检验，使用杜宾两步法和科克伦-奥克特迭代法序列相关性进行修正。三实验原理：图形法检验、DW检验、杜宾两步法和科克伦-奥克特迭代法。四预备知识：最小二乘法、DW检验、杜宾两步法和科克伦-奥克特迭代法。五实验步骤在经济系统中，经济变量前后期之间很可能有关联，使得随机误差项不能满足无自相关性的假设。本案例将探讨随机误差项不满足无自相关性的古典假定的参数估计问题。着重讨论自相关性模型的图形法检验、DW检验与广义

2、差分法和序列相关稳健估计法。1建立Workfile和对象，录入中国居民实际消费支出数据Y以及实际可支配收入数据X，如图5.1图5.1图5.22参数估计、检验模型的自相关性点击主界面菜单QuickEstimateEquation，在弹出的对话框中输入YCX，点击确定即可得到回归结果，如图5.2。根据图5.2中的数据，得到中国居民总量消费方程的估计结果为YXˆ=+2091.30.4375⋅tt（5-1）()6.24(47.10)222RR==0.94844,0.9880,R=0.9875,F=2214.6,D.W.=0.277该回归方程的可决系数较高，回归系数均

3、显著。对样本容量为29、一个解释变量的模型、5%的显著水平，查D.W.统计表可知，d=1.34,d=1.48,模型中DW..

4、击QuickGraphLineGraph，在弹出对话框中输入：et，再点击OK，得到残差项e!与时间的t关系图5.5，点击QuickGraphScatter，在弹出对话框中输入：et(-1)et，再点击OK，得到残差项e!与te!时间的关系图5.6.t−1图5.5图5.6从图5.5和图5.6可以看出，随机干扰项呈现正相关。由于时间序列数据容易出现伪回归现象，因此做回归分析是须格外谨慎。本例中，Y和X都是时2间序列数据，因此有理由怀疑较高的R部分地是由这一共同的变化趋势带来的。为了排除时间序列模型中这种随时间变动而具有的共同变化趋势的影响，一种解决方案是

5、在模型中引入时间趋势项，2计量经济学上机操作5将这种影响分离出来。点击QuickGraphLineGraph，在弹出对话框中输入：XY，再点击OK，得到中国居民可支配总收入X与消费总支出Y变动图5.7.图5.7图5.8由图5.7可以看出，由于代表中国居民可支配总收入X与消费总支出Y均呈现非线性变化态势，我们引入时间变量TT(=1,2,?,29)以平方的形式出现。点击工作文件窗口工具栏中的ObjectGenr,在弹出的对话框中输入T=@TREND+1，点击OK得到时间变量序列T。点击主界面菜单QuickEstimateEquation，在弹出的对话框中输

6、入YCXT^2，点击确定即可得到回归结果，如图5.8。由图5.8中数据得到YXˆ=+3328.10.176+21.656T2()17.06(6.78)(10.19)(-5-2)22RR==0.9976,0.9974,F=5380.4,D.W.=0.442这里，D.W.值仍然较低，没有通过5%显著性水平下的D.W检验，因此判断（5-2）式仍存在正自相关性。我们将在第五章进一步检验，未引入时间趋势项的模型（5-1）式存在设定偏误，而引入时间趋势项的模型（5-2）式不再存在设定偏误问题。因此（5-1）式中较低的D.W.值部分地是由模型设定偏误而引起的，即存在虚假序列

7、相关的成分；而（5-2）式中较低的D.W.值表明的是纯序列相关。下面再对（5-2）进行序列相关性的拉格朗日乘数检验。在图5.8中，点击：ViewResidualTestsSerialCorrelationLMTest…，在弹出对话框中输入：1，点击OK，得到图5.9所示结果。根据图5.9中数据得到2eX!!=−94.80+0.016229−1.2669T+0.758398ett−1()−−0.70965(0.907)()0.86725(5.59677)2nR=16.128,其所对应的伴随概率为P=0.000059,因此如果取显著性水平5%，则可以判断原模型

8、存在1阶序列相关性。3计量经济学上机操