实验六自相关模型的检验和处理-学生实验报告

1、实验报告课程名称 ：计量经济学实验项目：实验六自相关模型的检验和处理实验类型：综合性设计性验证性专业班别 ：姓名：学号：实验课室 ：指导教师 ：石立实验日期 ：2014年6月13日广东商学院华商学院教务处制一、实验项目训练方案小组合作：是否小组成员：无实验目的：掌握自相关模型的检验和处理方法实验场地及仪器、设备和材料实验室：普通配置的计算机，Eviews 软件及常用办公软件。实验训练内容（包括实验原理和操作步骤）：【实验原理】自相关的检验：图形法检验、D-W检验自相关的处理：广义差分变换、迭代法【实验步骤】本实验中考虑以下模型：【模型 1】财政收入 CS对收入法 GDPS的回归模型【模型 2】

2、财政支出 CZ对财政收入 CS的回归模型【模型 3】消费品零售额 SLC对收入法 GDPS的回归模型【模型 4】财政收入的对数 log （cs ）对时间 T的回归模型【模型 5】收入法 GDPS的对数 log （ GDPS）对时间 T的回归模型数据见“附表：广东省宏观经济数据（部分）- 第六章”（一）自相关的检验1. 图形法检验使用图形检验法分别检验上述【模型 1-4 】是否存在自相关问题。分别作这四个模型的残差散点图 （即残差后一项对前一项的散点图：et 对 et 1 ）和残差趋势图 （即残差 et 对时间 t 的线图），并判断模型是否存在自相关以及是正的自相关还是负的自相关。【模型 1】残

3、差散点图残差趋势图2002,0001601201,500802001,000DIS40500E100R000-40-80-100-120-200-200-1000100200198019851990199520002005RESID(-1)ResidualActualFitted结论：从图上看，CS对 GDPS回归的残差有一定的自相关。【模型 2】残差散点图残差趋势图1502,4001002,0001,600501,200D150800I0SE100R400-50500-1000-50-150-50050100-100-150-100150RESID(-1)-15019801985199019

4、9520002005ResidualActualFitted结论：从图上看，CZ对 CS回归的残差应【模型 3】残差散点图残差趋势图10,0004008,0002006,0004004,00002,000DI200SER0-2000-400-200-400-600-600-400-2000200400198019851990199520002005RESID(-1)ResidualActualFitted结论：从图上看，SLC对 GDPS回归的残差有很强的自相关【模型 4】残差散点图残差趋势图.68.57.46.35D.24I.6S3E.1R.4.0.2-.1.0-.2-.2-.3-.4198

5、019851990199520002005-.4-.2.0.2.4.6RESID(-1)ResidualActualFitted结论：从图上看，log(CS) 对T回归的残差也有很强的自相关（请对得到的图表进行处理，以上在一页内）检验分别计算上述 【模型 1-3 】和【模型 5】的D-W统计量的值，判断模型是否存在自相关问题。【模型 1】CS=+R2= SE= DW=0.942712 F=结论： DW值偏近 0，存在自相关【模型 2】DW=结论： DW值接近 2，不存在自相关【模型 3】DW=结论： DW值接近 0，存在很强的自相关【模型 5】DW=结论： DW值偏近 0，存在严重的自相关（请

6、对得到的图表进行处理，以上在一页内）（二）自相关的处理1. 【模型 3】SLC对GDPS回归自相关的处理Dependent Variable: SLCMethod: Least SquaresDate: 06/13/14Time: 11:25Sample (adjusted): 1980 2005Included observations: 26 after adjustmentsConvergence achieved after 14 iterationsCoefficientStd. Errort-StatisticProb.GDPSCAR(1)AR(2)R-squaredMean de

7、pendent varAdjusted R-squared. dependent varAkaike info. of regressioncriterionSum squared residSchwarz criterionHannan-QuinnLog likelihoodcriter.F-statisticProb(F-statistic)Durbin-Watson statInverted AR Roots.47Estimated AR process is nonstationaryDW检验值达到了，消除了自相关。没有消除和消除了自相关的回归方程为：SLC=+ SLC= ， AR(2

8、)=2. 【模型 5】LOG(GDPS)对T回归自相关的处理Dependent Variable: LOG(GDPS)Method: Least SquaresDate: 06/13/14Time: 11:26Sample (adjusted): 1980 2005Included observations: 26 after adjustmentsConvergence achieved after 3 iterationsCoefficientStd. Errort-StatisticProb.TCAR(1)AR(2)R-squaredAdjusted R-squaredMean depe

9、ndent var. dependent varAkaike info. of regressioncriterionSum squared residSchwarz criterionHannan-QuinnLog likelihoodcriter.F-statisticDurbin-Watson statProb(F-statistic)Inverted AR Roots.74+.27i.DW检验值达到了，消除了自相关没有消除和消除了自相关的回归方程为：Log(GDPS)=*T+Log(GDPS)=0.*T+(AR(1)=,AR(2)=（请对得到的图表进行处理，以上在一页内）（三）补充实验

10、1. 使用图形检验法检验 【模型 5】是否存在自相关问题。分别作这个模型的 残差散点图（即残差后一项对前一项的散点图： et 对 et 1 ）和残差趋势图 （即残差 et 对时间 t 的线图），并判断模型是否存在自相关以及是正的自相关还是负的自相关。.411.3109.28.1.47DI6S.2ER.05.0-.1-.2-.2-.4198019851990199520002005-.3-.3-.2-.1.0.1.2.3.4ResidualActualFittedRESID(-1)从图上看， log(GDPS)对 T回归的残差也有很强的正自相关（请对得到的图表进行处理，以上在一页内）2. 计算上

11、述 【模型 4】的 D-W统计量的值，判断模型是否存在自相关问题。log （cs） =+ *TR2= SE= DW=0.670889F=3. 对【模型 1】、【模型 2】和【模型 4】的自相关问题进行处理。【模型 1】Dependent Variable: CSMethod: Least SquaresDate: 06/13/14Time: 11:34Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 5 iterationsCoefficientSt

12、d. Errort-StatisticProb.GDPSCAR(1)R-squaredAdjusted R-squaredMean dependent var. dependent varAkaike info. of regressioncriterionSum squared residSchwarz criterionHannan-QuinnLog likelihoodcriter.F-statisticDurbin-Watson statProb(F-statistic)Inverted AR Roots.53【模型 2】Dependent Variable: CSMethod: Le

13、ast SquaresDate: 06/13/14Time: 11:35Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 4 iterationsCoefficientStd. Errort-StatisticProb.CZCAR(1)R-squaredMean dependent varAdjusted R-squared. dependent varAkaike info. of regressioncriterionSum squared re

14、sidSchwarz criterionHannan-QuinnLog likelihoodcriter.F-statisticDurbin-Watson statProb(F-statistic)Inverted AR Roots.22【模型 4】Dependent Variable: LOG(CS)Method: Least SquaresDate: 06/13/14Time: 11:37Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 3 it

15、erationsCoefficientStd. Errort-StatisticProb.TCAR(1)R-squaredAdjusted R-squaredMean dependent var. dependent varAkaike info. of regressioncriterionSum squared residSchwarz criterionHannan-QuinnLog likelihoodcriter.F-statisticDurbin-WatsonstatProb(F-statistic)Inverted AR Roots.48（请对得到的图表进行处理，以上在一页内）二

16、、实验总结与评价实验总结（包括实验数据分析、实验结果、实验过程中出现的问题及解决方法等）：见实验步骤中。1、当总体回归模型的随机误差项在不同观测点上彼此相关时就产生了自相关问题。2、 时间序列的惯性、经济活动的滞后效应、模型设定错误、数据的处理等多种原因都可能导致出现自相关。3、 在出现自相关时，普通最小二乘估计量依然是无偏、一致的，但不再是有效的。如果仍用 OLS法计算参数估计值的方差，将可能会低估存在自相关时参数估计值的真实方差。而且会低估真实的数据的低估和参数估计值方差的低估，通常的t 检验和 F检验都不能有效地使用，也使预测的置信区间不可靠，降低了预测的精度。4、随机误差项的自相关形式决定于其相关联形式，可以为 m阶自回归形式（m=1，2，m），即 AR（m）。为了研究问题的方便和考虑实际问题的代表意义，通常将自相关设定为一阶自相关即 AR（1）模式。用一阶自相关系数p 表示自相关的程度与方向。5 、 由于 Ut 不可观测，通常使用Ut 的估计量 e1 判断