中级计量经济学 第5章 自相关性.ppt

第5章自相关性5 1自相关性及其产生的原因5 1 1什么是自相关性 a 非自相关的序列图 b 正自相关的散点图图5 1 1 a b c 分别给出具有非自相关 正自相关和负自相关的三个序列对其一阶滞后变量的散点图 这三个散点图展示正负自相关以及非自相关性则非常明显 c 负自相关的散点图图5 1 1时间序列及其当期与滞后一期变量的散点图 图5 1 2自相关图 5 1 2自相关性产生的原因1 经济变量惯性的作用引起随机误差项自相关2 经济行为的滞后性引起随机误差项自相关3 一些随机偶然因素的干扰引起随机误差项自相关4 模型设定误差引起随机误差项自相关5 观测数据处理引起随机误差项序列相关一般经验告诉我们 对于采用时间序列数据作样本的计量经济学问题 由于在不同样本点上解释变量以外的其他因素在时间上的连续性 带来它们对被解释变量的影响的连续性 所以往往存在序列相关性 5 2自相关性的后果5 2 1模型参数估计值不具有最优性1 参数估计值仍具有无偏性 2 参数估计值不再具有最小方差性 5 2 2低估随机误差项的方差 5 2 3模型的统计检验失效 实际意义 5 2 4区间估计和预测区间的精度降低5 3自相关性检验5 3 1图示法 1 按时间顺序绘制残差图 图5 3 1正自相关 图5 3 2负自相关 图5 3 3正自相关图5 3 4负自相关 图示检验法可以借助于Eviews软件来实现 在方程窗口中点击Resids按钮 或者点击View Actual Fitted Residual Table 都可以得到残差分布图 5 3 2德宾一沃森 Durbin Watson 检验DW检验假定条件是 第一 解释变量x为非随机的 第四 模型中含有截距项 第五 统计数据比较完整 无缺失项 适用于样本容量的样本情况DW检验的基本原理和步骤为 由上述判断区域知 误差序列存在一阶正自相关 使用DW检验时应注意以下几个问题 第一 DW检验只能判断是否存在一阶线性自相关性 对于高阶自相关或非自相关皆不适用 第二 DW检验有两个无法判定的区域 第三 这一方法不适用于对联立方程组模型中各单一方程随机误差项序列相关的检验 5 3 3回归检验法回归检验法适用对任一随机变量序列相关的检验 并能提供序列相关的具体形式及相关系数的估计值 这一方法的应用分三步进行 出回归估计式 再对估计式进行统计检验 F检验和t检验 如果通过检验发现某一个估计式是显著的 若有多个估计式显著就选择最为显著者 表明随机误差项存在序列相关 5 3 4高阶自相关性检验1 偏相关系数检验 EViews软件可以同时给出时间序列的自相关和偏自相关系数及分析图 利用EViews软件计算偏相关系数 具体有两种方式 命令方式 IDENTRESID 菜单方式 在方程窗口中点击 View ResidualTest Correlogram Q statistics屏幕将直接输出et与et 1 et 2 et p p是事先指定的滞后期长度 的自相关系数和自偏相关系数 从中可以直观地看出残差序列的相关情况 通过观察自相关和偏自相关系数来判断是否存在序列相关 如果残差不存在序列相关 各阶滞后的自相关和偏自相关值都接近于零 Q统计量的软件操作 估计方程后 选择View ResidualTests CorrelogramandQ statistics 可以检验回归方程残差的序列相关性 打开一个序列对象 选择View Correlogram 通过观察Q统计量来判断是否存在序列相关 在Q统计量的p值小 如小于0 05 的情况下 拒绝原假设 即认为存在序列相关 否则 如果Q统计量的p值比较大 则残差不存在序列相关 3 拉格朗日乘数检验 LM 或布罗斯 戈弗雷 B G 检验对于模型 利用EViews软件可以直接进行B G检验 在方程窗口中点击View ResidualTest SerialCorrelationLMTest屏幕将输出辅助回归模型的有关信息 包括nR2及其临界概率值 实际应用中 一般是从低阶的p 1开始 直到p 10左右 若未能得到显著的检验结果 可以认为不存在自相关性 例5 3 1中国城乡居民储蓄存款模型 自相关性检验 表5 3 1列出了我国城乡居民储蓄存款年底余额 单位 亿元 和GDP指数 1978年 100 的历年统计资料 试建立居民储蓄存款模型 并检验模型的自相关性 表5 3 1我国城乡居民储蓄存款与GDP指数统计资料 1 绘制相关图 确定模型的函数形式 图5 3 6居民存款与GDP的散布图 2 利用OLS法估计模型 并选择统计检验结果较好的模型 经过比较 分析 取居民储蓄存款模型为双对数模型 估计结果见表5 3 2 表5 3 2估计结果 3 检验自相关性 残差图分析 在方程窗口中点击Resids按钮 所显示的残差图 图5 3 7所示 表明e呈现有规律的波动 预示着可能存在自相关性 图5 3 7残差图 运用GENR生成序列E 观察E E 1 图形 见图5 3 8 图5 3 8E与E 1 散布图 图中AC表示各期的自相关系数 PAC表示各期的偏自相关系数 为了直观地反映相关系数值的大小 在图形左半部分别绘制了相关系数和偏相关系数的直方图 其中虚线表示显著性为0 05的置信带 当第s期偏相关系数的直方块超过虚线部分时 表明存在s阶自相关性 从图5 3 9可以明显看出 我国城乡居民储蓄存款模型存在着一阶和二阶自相关性 各阶滞后的Q统计量的p值都小于0 05 说明在5 的显著性水平下 拒绝原假设 残差序列存在序列相关 B G检验 在方程窗口中点击View ResidualTest SerialCorrelationLMTest 并选择滞后期为2 屏幕将显示以下信息 见表5 3 3 表5 3 3估计结果 5 4自相关性的解决方法5 4 1广义差分法设线性回归模型 2 Durbin两步估计法 3 迭代估计或科克伦 奥克特 Cochrane Orcutt 估计具体步骤为 4 搜索估计法5 4 3广义差分法的EViews软件实现过程 在EViews软件中可以直接使用广义差分法估计自相关性模型 具体步骤为1 利用OLS法估计模型 系统将同时计算残差序列RESID LSycx2 判断自相关性的类型 IDENTRESlD 3 利用广义差分法估计模型 在LS命令中加上AR项 系统将自动使用广义差分法来估计模型 如自相关类型为一阶自回归形式 则命令格式为LSycxAR 1 如果模型为高阶自相关形式 则再加上AR 2 AR 3 等等 4 迭代估计过程的控制 具体步骤为 1 在方程窗口中点击Estimate按钮 2 在弹出的方程说明对话框中点击Options 3 在迭代程序 Iterative procedures 对话栏中重新输入 最大迭代次数 maxiterations 或收敛精度 convergence 4 点击OK返回方程说明对话框 再点击OK重新估计模型 在实际操作中 一般是先不引入自回归项 采用OLS估计参数 根据显示的DW统计量 逐次引入AR 1 AR 2 直到满意为止 例5 4 1中国城乡居民储蓄存款模型 自相关性调整 根据例5 3 1的检验结果 模型存在一 二阶自相关性 即 所以在LS命令中加上AR 1 和AR 2 使用迭代估计法估计模型 键入命令LSlnyclnxAR 1 AR 2 估计结果如表5 4 1所示 表5 4 1迭代估计回归结果 将估计结果与OLS估计相比 OLS估计的常数项估计偏低 斜率系数又估计偏高 而且低估了系数估计值的标准误差 为了强调采用广义差分变换处理了自相关性问题 可以将有关结果用下述形式标注在模型的右端 AR 1 0 929688 AR 2 0 579726 t 4 353917 2 897356 5 4 4广义最小二乘法与广义差分法的关系设线性回归模型 其中 5 5案例分析 中国商品进口模型对进口国来说 其经济发展水平决定商品进口情况 根据我国进口商品IM与国内生产总值GDP的关系 有关数据见表5 5 1 试建立中国商品进口模型 表5 5 11989 2006年我国商品进口与国内生产总值数据 亿元 1 绘制相关图 确定模型从IM与GDP趋势图 图5 5 1 看 从1989年到2006年间我国GDP与IM呈现稳定上升时期 从IM与GDP散点图 图5 5 2 看 GDP与IM呈现近似线性关系 因此 可设模型的函数形式为 2 用OLS估计方法求模型的参数估计建立工作文件Workfile 输入样本GDP IM的数据 在命令窗口键入命令 LSIMCGDP输出如下结果 表5 5 2 表5 5 2回归结果 2 自相关检验 1 图示法由上述OLS估计 可直接得到残差resid 记为e 在命令窗口输入 scat trend 1978 e或在命令窗口输入scate 1 e 可以得到图5 5 3的输出结果 表5 5 3回归结果 4 相关图和Q统计量检验 在方程窗口中点击View ResidualTest Correlogram Q statistics 并输入滞后期为12 屏幕将显示残差与滞后值的各期相关系数和偏相关系数 如图5 5 4所示 从图5 3 4可以明显看出 我国进口模型存在着一阶和二阶自相关性 各阶滞后的Q统计量的值都小于0 05 说明在5 的显著性水平下 拒绝原假设 残差序列存在序列相关 5 LM乘数检验 在方程窗口中点击View ResidualTest SerialCorrelationLMTest 并选择滞后期为1 2 可得LM 1 13 49 LM 2 14 76 对应的p值均小于0 05 因此 随机误差项存在一阶 二阶自相关性 3 自相关的修正 1 科克伦 奥克特 Cochrane Orcutt 迭代法 在命令窗口直接键入 LSIMCGDPAR 1 AR 2 后 即得如下结果 表5 5 4 表5 5 4回归结果 表5 5 5回归结果 在方程窗口中点击View ResidualTest SerialCorrelationLMTest 并选择滞后期为1 2 可得LM 1 11 748 LM 2 12 967 对应的p值均小于0 01 因此 随机误差项存在一阶 二阶自相关性 用Cochrane Orcutt迭代估计法 在对话框中键入 LSClog GDP log IM AR 1 AR 2 后 去掉不显著的AR 2 可得如下结果 表5 5 6回归结果 表5 5 6回归结果 在方程窗口