自相关实例与习题ppt课件.ppt

处理自相关的实例 以HildrethandLu 1960 对冰淇淋需求函数的研究为例 数据集为icecream dta包含下列变量的30个月度时间序列数据 consumption 人均冰淇淋消费量 income 平均家庭收入 price 冰淇淋价格 temp 平均华氏气温 time 时间 目的 研究冰淇淋消费数量的影响因素 1 首先画折线图 观察各变量与因变量之间的大致关系 graphtwowayconnectedconsumptiontime connectedtemp100time connectedpricetime connectedincometime yaxis 2 2 建立回归模型 进行OLS回归得到 3 估计结果显示 气温与收入均显著 而价格和常数不显著 由于这是时间序列数据 我们怀疑其扰动项存在自相关 先画残差与滞后值的散点图 4 从散点图看可能存在正相关 画自相关与偏相关图 5 自相关图不明显 偏相关图显示了1阶与10阶之后的高阶自相关 进行BG检验与Q检验 先设定10阶滞后 6 10阶自相关不存在 因为要检验1阶自相关 所以先设定2阶滞后检验 不存在2阶自相关 最后检验1阶自相关 7 8 存在1阶自相关 如果用Newey West方法进行估计 则指定滞后阶数1阶与原估计相比 估计系数相等 系数以及模型整体显著性几乎没变 如果只是追求系数的一致性且在大样本下 可以到此为止 但此例为一阶自相关 可以用FGLS进行估计 9 使用PW方法进行估计 10 使用CO方法估计 11 从估计系数来看 PW法估计原先显著的income变为不显著 CO法估计的显著性与Newey West方法一致 且从e e n k 来看CO法要比PW法略好一些 自相关可能是遗漏变量造成的 因此可以加入变量的滞后值做自变量进行回归 考虑到这个模型 消费 温度 收入 价格均很有可能是自相关的变量 如果这些自相关变量的滞后值会影响消费 而我们遗漏了 那么必然会导致自相关 所以我们加入所有这些变量的一阶滞后进行回归 12 13 有一些滞后项显著有一些不显著 但是我们还不能马上根据t检验判断哪些滞后项需要删除 因为可能存在自相关导致t检验不可信 所以我们要首先进行自相关检验 以下是BG检验的结果可以看出加入滞后变量很好地排除了自相关 所以我们可以相信t检验的结果 把那些不显著的滞后值都剔除重新进行估计 14 15 这个模型的e e n k 是PW CO三种方法里最小的 因此也是最好的 如果在解决某一个计量问题 比如自相关时 无法拿捏哪个方法估计出来的结果最好 可以把所有的模型都放到文章里 让读者自己取舍 并且显示出估计结果的稳健性 比如此例中的温度变量 无论用那种方法估计 结果显示均是正相关的变量 思考 收入的滞后与温度的滞后变量对冰淇淋的消费金额的影响如何解释 16 自相关习题 17 1 模型存在自相关指的是 A模型的解释变量之间存在相关性B模型的解释变量与扰动项存在相关性C模型的解释变量与被解释变量存在相关性D模型不同时期或样本点的扰动项存在相关性2 存在自相关的模型不会导致哪个问题的出现 A估计的有效性降低B估计系数的t检验准确性降低C估计的一致性改变D模型整体有效性检验不准确3 下列情况最不需要检验自相关问题的是 A选取1996 2009年中国小企业的数据进行计量分析B选取2011年中国 美国 澳大利亚的劳动力数据进行计量C选取2010年中国与韩国的进出口数据进行计量D选取某上市公司股票的5日移动平均价进行计量 18 4 下列散点图横轴是残差 纵轴是残差的一阶滞后 从图上看 最不可能存在一阶自相关的是 ABCD 19 5关于下列检验结果说法正确的是 A这两个表格是异方差检验的结果B第一个表格是一阶滞后的BG检验 第二个是一阶滞后的Q检验C从检验结果看 这个模型存在二阶自相关D从检验结果看 这模型存在一阶自相关 20 6某模型检验过程中发现了存在自相关的问题 如果想获得一致估计且不讲究估计的有效性 应该用 方法A Newey West估计法B Prais Winsten估计法C Cochrane Orcutt估计法D FGLS估计法 21 某人研究冰淇淋的消费影响因素 用的数据包括32个月的冰淇淋的消费金额consume 每个月的温度temp 每个月的居民收入income及每个月的冰淇淋价格price 1 该如何建立这个计量模型 请写出回归等式 2 请设计一