《序列相关性》 (2).ppt

该【《序列相关性》 (2) 】是由【相惜】上传分享，文档一共【65】页，该文档可以免费在线阅读，需要了解更多关于【《序列相关性》 (2) 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第七章序列相关性◆学****目的通过本章的学****你可以知道什么是序列相关性,序列相关性产生的原因是什么,序列相关性导致什么样的后果,怎样检验和处理具有序列相关性的模型。◆根本要求1〕掌握序列相关性的概念、序列相关性的后果和检验方法;2〕了解广义最小二乘法和广义差分法原理;3〕能运用广义差分法和广义最小二乘法估计线性回归模型。编辑课件◆序列相关性及其产生原因◆序列相关性的影响◆序列相关性的检验◆序列相关的补救第七章序列相关性编辑课件第一节序列相关性及其产生原因—、序列相关性的含义对于多元线性回归模型(7-1)在其他假设仍然成立的条件下,随机干扰项序列相关意味着如果仅存在那么称为一阶序列相关或自相关〔简写为AR(1)),这是常见的一种序列相关问题。(7-3)(7-2)编辑课件自相关往往可以写成如下形式:(7-4)其中称为自协方差系数或一阶自回归系数,是满足以下标准OLS假定的随机干扰项:由于序列相关性经常出现在以时间序列数据为样本的模型中,因此,本节下面将代表不同样本点的下表i用t表示。编辑课件二、、价格指数、消费等时间序列数据通常表现为周期循环。当经济衰退的谷底开始复苏时,大多数经济序列开始上升,在上升期间,序列在每一时刻的值都高于前一时刻的值。看来有一种内在的动力驱使这一势头继续下去,直至某些情况出现〔如利率或税收提高〕才把它拖慢下来。因此,在涉及时间序列的回归中,相继的观测值很可能是相互依赖的。比方::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1:本来应该估计的模型为(7-5)但在进行回归时,却把模型设定为如下形式:7-6)〔丢掉了重要的解释变量〕编辑课件例2:〔模型函数形式有偏误〕(7-7)在成本—产出研究中,如果真实的边际成本的模型为:其中Y代表边际成本,X代表产出。(7-8)但是如果建模时设立了如下回归模型:,人们常常发现当期的消费支出除了依赖其他当期收入外,还依赖前期的消费支出,即回归模型为:(7-9)其中,C是消费,Y是收入。类似〔7-9〕式的回归模型被称为自回归模型由于心理上、技术上以及制度上的原因,消费者不会轻易改变其消费****惯,如果我们无视〔7-9〕式中的滞后消费对当前消费的影响,那所带来的误差项就会表达出一种系统性的模式。注意::假定某农产品的供给模型为:(7-10)假设t时期的价格Pt低于t-1时期的价格Pt-1,农民就很可能决定在时期t+1生产比t时期更少的东西。显然在这种情形中,农民由于在年度t的过量生产很可能在年度t+1消减他们的产量。诸如此类的现象,就不能期望干扰μt是随机,从而出现蛛网式的序列相关。编辑课件