《时间序列分析》课件 第4章 序列相关_第1页
《时间序列分析》课件 第4章 序列相关_第2页
《时间序列分析》课件 第4章 序列相关_第3页
《时间序列分析》课件 第4章 序列相关_第4页
《时间序列分析》课件 第4章 序列相关_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

第4章序列相关4.1Breusch-GodfreyLM序列相关性检验4.2Durbin-Watson序列相关性检验4.3序列相关性检验的基本原理:高斯牛顿回归方法4.4工具变量估计与序列相关性检验4.5多维模型的序列相关性问题4.6软件应用演示4.1Breusch-GodfreyLM序列相关性检验Breusch-GodfreyLM序列相关性检验(简称Breusch-GodfreyLM检验其中,c是常数项,α表示自回归系数,ut是一个序列相关的随机扰动项其中,φ是这个AR(m)模型的自回归系数,而εt是一个白噪声过程原始回归等式Breusch-GodfreyLM检验利用的辅助回归等式图4-1序列相关性检验中滞后造成的观测值缺失及处理至m期的序列相关性Breusch-GodfreyLM检验的统计量等于有效样本大小乘以回归等式使用与原假设和备择假设相对应的F统计量4.2Durbin-Watson序列相关性检验DW检验的统计量定义分子项展开,可以获得4.3

序列相关性检验的基本原理:高斯牛顿回归方法扰动项ut序列独立的原假设,备择假设是该序列服从AR(1)过程(即ut=ρut-1+εt)4.4工具变量估计与序列相关性检验应用Godfrey(1994)的工具变量序列相关性检验,其基本思想是基于ρ(L)表示滞后算子多项式,η~t是原始模型使用工具变量估计后获得的残差序列,Xt表示原始回归模型中的自变量矩阵,vt是辅助方程的扰动项(允许存在异方差,但不能序列相关)。4.5多维模型的序列相关性问题使用时间序列数据估计多元回归模型时,经常会遇到这些模型存在序列相关性的问题yt、ξt(β)、ut和εt都是1×m维向量,R和Ω都是m×m维矩阵可以将上式转化为如下4.6软件应用演示

4.6.1Breusch-GodfreyLM检验和DW检验的应用检验一个回归模型的残差项是否具有序列相关性4.6.2工具变量序列相关性检验假设我们有一个模型,其中自变量存在内生性,并且我们有适当的工具变量来解决这个问题,我们将使用Stata和EViews展示如何进行工具变量的序列相关性检验。(1)在Stata

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论