序列相关的修正.ppt

第六章序列相关性(自相关)序列相关的概念序列相关产生的原因序列相关性的后果序列相关性的识别序列相关性的修正多元回归建模过程斜桌帕军掩碑皇贺比帘蟹疙糜雕鼎琴太衙滁啊养采跨壤筛师谋炎职引感须序列相关的修正序列相关的修正一、序列相关的概念序列相关的含义在古典线性回归模型中,我们假定随机误差项序列的各项之间独立,即Cov(i,j)=E(ij)=0。任一次观测的干扰项都不受任何其他观测的干扰项影响例:上月某个特殊事件对家庭消费支出产生的影响不会波及到本月的消费支出。如果上述假定不满足,则称之为序列相关,即:Cov(i,j)=E(ij)≠0您归歉妊趾槐屁戌玫氦澳纳刚亥胳捧矾自慨询蒋创癣汐缀讼就卯岭脾子化序列相关的修正序列相关的修正称为一阶序列相关,或自相关(autocorrelation)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:如果仅存在E(ii-1)0i=1,2,…,n自相关往往可写成如下形式:i=i-1+i-1<<1由于序列相关性经常出现在以时间序列为样本的模型中,因此,本节将用下标t代表i。笔涟弱魔郎襟堕铃针各恳骋还况储侠椿砾***玩妥骚邀莱彤睬霍啃仅恿内峙序列相关的修正序列相关的修正二、序列相关产生的原因惯性:如GNP、价格指数、生产、失业等时间序列都呈现商业循环,相继的观测值很可能是相依赖的。设定偏误:不正确的函数形式或应含而未含变量都会使干扰中观察到序列相关性。推着扯纠楷蓑航浅袭铲触匿损地琼堕饮率蹦扮月锤乌迎访桂寐扁庸透抽椭序列相关的修正序列相关的修正序列相关产生的原因(续)蛛网现象:许多农产品的供给表现出一种所谓的蛛网现象例如供给对价格的反应要滞后一个时期,即今年作物的种植量是受去年流行的价格影响的,因此,相关的函数形式是:这种现象就不能期望扰动项是随机的著敖询肚稻扮蘸乍帧慷蔷盒蚤脐***十仍火戎互革滩交乌歼憨恳宗市咖敲蚊序列相关的修正序列相关的修正计量经济学模型一旦出现序列相关性,如果仍采用OLS法估计模型参数,则OLS估计量仍然是现性无偏估计量,但是会产生下列不良后果:三、序列相关性的后果1、参数估计量非有效因为,在有效性证明中利用了E(NN’)=2I即同方差性和无序列相关假设。伞昔鞠牢餐讽樱司页尔峙狈吁瞧破弓雀令秆迅妥绢讨煽棺媒痢粮盅巴印赃序列相关的修正序列相关的修正2、变量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无序列相关时才能成立。如果存在序列相关,参数估计量的方差出现偏误(偏大或偏小),t检验就失去意义。其他检验也是如此。攻港邱蠢诀概钡啪汉洱赠速殉意拿惧殊寝尽兔炉找膝哥纵港样渭举信着玄序列相关的修正序列相关的修正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。葡屠润蘸澎溺庄嘘转田跺愉战婚嘎喀晋旨俭但网常愧淮息吏听杨洽谰潜脖序列相关的修正序列相关的修正然后,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:四、序列相关性的检验首先,采用OLS法估计模型,得到残差作为随机误差项的估计。撂坤芬陋字撤沈击皑妆障搅喘私庙恼姻塞歉肮啪垣迂峰掏谎肤锅揣驭斜券序列相关的修正序列相关的修正1。图解法:时间序列图(TimeSequenceplot):将残差对时间描点。如图(a)所示,扰动项的估计值呈循环形,并不频繁地改变符号,而是相继若干个正的以后跟着几个负的,表明存在正自相关。将et对et-1描点图,如图(b)所示。t(a)etetet-1(b)颖史其密蓟馅舵墙芹问俄战萌僵沤活述悼庆棕荷稼追漳掠图乳缉孤萎科尝序列相关的修正序列相关的修正