实验课单元(五)自相关练习MicrosoftWord文档.doc

实验课单元（五）自相关练习【实验目的】 掌握自相关及相关内容的软件操作【实验内容】 用OLS方法估计模型的参数，检验自相关，修正自相关【实验步骤】自相关练习的操作指令（以双变量回归模型为例）操作：（1）用OLS方法估计模型的参数。从Views主窗口，点击Quick点击Estimate Equation功能。弹出一个对话框。在EquationSpecification选择框中输入y c x或者y=c（1）c（2）*x。在EstimateSetting选择框中自动给出缺省选择LS估计法和样本区间。点击OK键，即可得到回归结果。然后namesave。（2）检验自相关图示法。由OLS估计结果，得到残差resid，并把残差resid转换成E，即从主窗口QuickGenerate Series生成序列（E=resid）。再从从主窗口QuickGraph，在图形对话框中键入E E（-1），再单击Scatter Diogram，得到散点图。DW检验。由OLS估计结果，得到DW，给定显著性水平，查DW统计表，n表示样本观测值的个数，k是解释变量的个数，得到DW统计量的下限临界值dl和du，再根据DW检验的判断法则，进行判断。（3）自相关的修正根据DW统计量，利用公式=1-DW/2，计算。对Y序列作广义差分。点击QuickGenerate Series输入计算公式（DY=Y-Y（-1）。对X序列作广义差分。点击QuickGenerate Series输入计算公式（DX=X-X（-1）。（4）再用OLS方法估计模型的参数。从Views主窗口，点击Quick点击Estimate Equation功能。弹出一个对话框。在EquationSpecification选择框中输入dy c dx或者dy=c（1）c（2）*dx。在EstimateSetting选择框中自动给出缺省选择LS估计法和样本区间。点击OK，即可得到回归结果。然后namesave。（5）再进行DW检验。（6）消除了自相关的模型即为所求模型。天津市19782000年城镇居民人均消费与人均可支配收入数据表年份城镇居民人均消费支出（亿元）城镇居民人均可支配收入（亿元）城镇居民消费价格指数(CONSUM) (INCOME)(PRICE)1978344.88388.3211979385.2425.41.011980474.72526.921.0621981485.88539.521.0751982496.56576.721.0811983520.84604.311.0861984599.64728.711.1061985770.64875.521.251986949.081069.611.33619871071.041187.491.42619881278.871329.71.66719891291.091477.771.91219901440.471638.921.9719911585.711844.982172238.382.41819932322.192769.262.84419943301.373982.133.52619954064.14929.534.06619964679.615967.714.43219975204.296608.564.56919985471.017110.544.54619995851.537649.834.49620006121.078140.554.478资料来源：张晓峒主编计量经济学基础，南开大学出版社，2007年版，第152页。先定义不变价格（1978=1）的人均消费性支出（yt）和人均可支配收入（xt）。令Yt =CONSUM/PRICEXt=INCOME/PRICE转化后的数据如下图：XtYt388.32344.88421.188118811881381.386138613861496.158192090395447.005649717514501.879069767442451.981395348837533.506012950971459.352451433858556.454880294659479.594843462247658.869801084991542.169981916817700.416616.512800.60628742515710.389221556886832.741935483871751.079943899018797.660467906419767.168566286743772.892259414226675.256276150628831.939086294416731.203045685279849.829571625979730.405343159835925.71546732837788.738626964433973.720112517581816.5225035161741129.36188315372936.2932501418041212.37825873094999.5327102803741346.504963898921055.868682310471446.390895163061139.043554388271564.131104267491203.477782666081701.474644128111301.4968861211817.898615453331366.92050022331作关于Yt和Xt的散点图如下：显然Yt 和Xt服从线性关系。假定所建立的回归模型形式是 Yt= 0 + 1Xt + ut（1）估计线形回归模型并计算残差 用普通最小二乘法求估计的回归方程结果如下Dependent Variable: YTMethod: Least SquaresDate: 05/15/07 Time: 14:18Sample: 1978 2000Included observations: 23VariableCoefficientStd. Errort-StatisticProb.C111.406917.066706.5277330.0000XT0.7118480.01691042.097330.0000R-squared0.988289Mean dependent var769.4035Adjusted R-squared0.987731S.D. dependent var296.7204S.E. of regression32.86595Akaike info criterion9.905692Sum squared resid22683.58Schwarz criterion10.00443Log likelihood-111.9155F-statistic1772.186Durbin-Watson stat0.599552Prob(F-statistic)0.000000Yt = 111.44 + 0.7118Xt t-Statistic：（6.5）（42.1）R2 =0.988289 S.E= 32.86595DW = 0.599552 t= 23回归方程拟合得效果比较好，但是DW值比较低。残差图如下：（2）用DW统计量检验误差项ut 是否存在自相关 已知DW=0.6，若给定=0.05，查附表4，得DW检验临界值dL =1.26, dU = 1.44。因为DW=0.6 1.26，依据判别规则，认为误差项ut 存在严重的正自相关。（3）用广义最小二乘法估计回归参数首先估计自相关系数p，令 P =1-DW/2 = 1 0.6/2 = 0.70对原变量做广义差分变换。令 GDYt= Yt - 0.07Yt-1 GDXt= Xt - 0.07Xt-1以GDYt 、 GDXt（19792000年）为样本再次回归，得 Dependent Variable: GDYTMethod: Least SquaresDate: 05/20/07 Time: 20:11Sample (adjusted): 1979 2000Included observations: 22 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C45.2594812.274603.6872470.0015GDXT0.6781860.03402719.931010.0000R-squared0.952067Mean dependent var269.1295Adjusted R-squared0.949670S.D. dependent var103.4908S.E. of regression23.21752Akaike info criterion9.214200Sum squared resid10781.07Schwarz criterion9.313385Log likelihood-99.35620F-statistic397.2451Durbin-Watson stat2.309066Prob(F-statistic)0.000000GDYt= 45.25948 + 0.678168GDXt t-Statistic：（3.7）（20.0）R2 =0.95 S.E = 23.21752DW = 2.31 t= 22 (19792000) 回归方程拟合得效果仍然比较好，且DW=2 .31。查附表4 ，dL =1.26, dU = 1.43