实验报告4：序列相关模型的检验和处理(教师使用模板)

《实验报告4：序列相关模型的检验和处理(教师使用模板)》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、实验实训报告课程名称：计量经济学实验开课学期：2012-2013学年第一学期开课系(部)：经济系开课实验(训)室：数量经济分析实验室学生姓名：专业班级：学号：重庆工商大学融智学院教务处制实验题目实验(训)项目名称序列相关模型的检验和处理指导教师实验(训)日期所在分组实验概述【实验(训)目的及要求】通过本实验，使学生掌握序列相关模型的检验方法、处理方法分析；熟悉图形法检验、掌握DW检验、掌握广义差分法处理序列相关。【实验(训)原理】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或自相关。

2、对于存在序列相关性的模型主要采用广义差分法消除序列相关性，并对广义差分后的模型采用普通最小二乘法估计参数，并最终计算出原模型的参数。实验内容【实验(训)方案设计】一、要求完成的实验内容图形法检验；DW检验；LM检验；使用广义差分变换法进行序列相关的处理。二、具体操作程序1、图形法检验：（1）对模型进行回归分析（2）得到变量之间的残差趋势图和残差散点图（3）分析序列相关情况。2、DW检验：（1）对模型进行回归分析（2）得到DW统计量（3）按照参数查DW表，建立分析区间（4）得到结论。3、LM检验法：（1）对模型进行回归分析（2）选择L

3、M检验的阶数（3）根据辅助回归结果判断是否存在序列相关。4、广义差分法：如果原模型存在序列相关，使用广义差分法处理序列相关，并进一步估计原模型参数。【实验(训)过程】（实验(训)步骤、记录、数据、分析）一、模型设定本例用1985-2003年农村居民人均收入和消费，建立中国农村居民的消费模型。模型的变量分别选择农村居民人均实际纯收入（X，单位：元）与农村居民5人均实际消费性支出(Y，单位：元)。理论模型设定为：其中表示农村居民人均实际消费性支出，表示农村居民人均实际纯收入。二、参数估计样本回归方程估计结果如下:（12.224）（0.0

4、21）t=（8.734）（28.037）R2=0.979,F=786.057,D.W.=0.770上述回归模型解释变量的估计系数0.600表示：农村居民人均纯收入每增加1元，平均说来农村居民人均消费性支出将增加0.600元。R2=0.979，表明农村居民人均消费支出的97.9%的变动可由农村居民人均收入变化来解释。三、序列相关性的诊断：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或自相关。1、图形检验法：et对et-1的散点图（genre=reside1=e(-1)）由从上图中可知，

5、模型可能存在正的序列相关。2、DW检验法（）对样本量为19、只含一个解释变量的模型。在5%显著水平，查DW统计表可知，dL=1.18，dU=1.40，模型中DW

6、第一部分第二行检验统计量nR2所对应的p值为0.033<，应拒绝原假设，说明随机误差项存在一阶序列相关性。四、序列相关的处理：1、详述广义差分变换法处理自相关的基本原理对原模型进行适当变换以消除误差项的序列相关，进而利用OLS来估计回归参数，相应的回归参数估计结果称为广义最小二乘估计量。2、使用广义差分变换法处理序列相关（由DW统计量计算值）由前面知D.W.=0.77,5在方程估计窗口输入Y-0.615*Y(-1)CX-0.615*X(-1)可得回归方程：（8.865）（0.037）t=（5.357）（15.640）R2=0.939

7、，F=244.614，D.W.=1.478式中，Y*=Y-0.615*Y(-1),X*=X-0.615*X(-1)由于使用了广义差分数据，样本容量减少了1个，为18个。查5%显著水平的DW统计表可知dL=1.16，dU=1.39，模型中DW=1.47大于dU小于4-dU，已无序列相关。采用拉格朗日乘数（LM）滞后一期检验是否还存在序列相关，结果如下：第二行检验统计量nR2所对应的p值为0.296>，不能拒绝原假设，说明随机误差项不存在序列相关性。则原模型为：由中国农村居民消费模型可知，中国农村居民的边际消费倾向为0.580，即中国农

8、村居民每增加收入1元，平均说来将增加消费支出0.580元。3、使用科－奥迭代法（添加AR项）处理序列相关（如本例直接在方程估计输入ycxar(1)即可，如果存在一阶至二阶序列相关，在上述输入窗口中再添加ar(2)）5指导教师评语及成绩