第二节 自相关性.ppt

1、、第二节掌握自相关性性、一、自相关性性及其发生原因、二、自相关性性的发生结果、三、自相关性性的验证、四、自相关性性的修正方法、课外练习、【教学目的及要求】、参考文献D-W检查、偏相关系数检查、B-G检查等的自相关性性检查掌握自相关性检查的EViews软件的实现。 掌握广义有限差分法的基本原理和EViews软件的实现了解广义最小二乘法的基本思想了解ARCH模型的基本形式、检验方法、参数估计、EViews软件实现。 通过提升机实践了解自相关性性检测与解决方法，熟悉EViews软件的相关应用.教学目的和要求、3、引子：t检验和f检验一定可靠吗？ 研究了居民储蓄存款与居民收入的关系：用普通的最小二乘法

2、估算其残奥表： (1.8690 ) (0.0055 )=(14.9343 ) (64.2069 )，4，经检验，回归系数标准误差非常小，t统修正云同步可决定系数也很高，f统修正量为4122.531 但是，由于该估计结果可能是虚假的，t统修正量和f统修正量都是虚假的、夸大的，所以所得到的结果不可信。 为什么呢？3.2自相关性性、一、自相关性性及其产生原因、一、自相关性性的概念对于模型yt=b0 b1x1t b2x2t bkxkt t，在整体回归模型的随机误差项的各初始值之间存在相关关系(或)的不同观测点上的误差项彼此相关， 即Cov(t自相关性性主要出现在时序数据中，因此为了明确，用符号t、t-

3、1、t-2等表示变量和随机误差项的下标。 2 .形式t=1t-1 2t-2 pt-p t被称为p阶自回归形式，或者p阶自相关性存在于模型中。 t是满足回归模型基本假设的随机误差项。 是自回归系数(数值上与自相关性系数相等，证明省略)、7、一次自相关性系数，自相关性系数的定义与通常的相关关系的公式形式相同，能够取得的值的范围在式(6.1 )中是同步延迟的随机误差项。 因此，用式(6.1 )修正的自相关性系数称为一次自相关性系数。 8、以及自相关性的性质可由自相关性系数的符号判定的是负相关，并且是正相关。 接近1表示相关程度高。 自相关性是系列自身的相关，根据随机误差项的相关形式而具有不同的自相关

4、性形式。 在时序数据中经常出现自相关性。 一次自回归形式t=t-1 t二次自回归形式，10，3 .发生原因，(1)经济惯性。 (2)基于数据处理的自相关性。 (3)重要的解释变量从模型中漏掉了。 (4)模型形式的设定不当。 (5)随机因素的影响。 11、自相关性现象多出现在时序数据中，经济系统的经济行为都具有时间惯性。 GDP、价格、就业等经济指标会随着经济系统的周期而变动。 例如，高经济生长率在经济高时期持续有会儿，在经济衰退时期也持续有会儿高失业率，该现象作为经济指标的自相关性现象出现。 原因1经济系统的惯性，12，滞后效应，是指一个指标对另一个指标的影响不只是本期，还持续了几个期间。 由

5、此带来变量的自相关性。 例如，居民当期可支配收入增加不是居民消费水平达到应当当期的水平，而是经过几年之后才达成。 人的消费观念的变化是因为客观上有适应期。原因2经济活动的滞后效应、13，由于某种原因对数数据进行修整和插值处理，因此在这样的数据序列中存在自相关性。 例如，将每月数据调整为季度数据，由于采用加法处理，使每月数据的变动适应，使季度数据具有平滑性，该平滑性使自相关性产生。对缺失的历史数据，使用特定的统一修正方法进行插值处理，使数据的前后期相关产生，产生自相关性。 原因3数据处理引起的相关、14、原因4蜘蛛网现象、15、从模型中省略某些重要的解释变量，或模型函数的形式不正确，就会发生系统

6、误差，该误差存在于随机误差项中，造成自相关性。 由于该现象是由设定错误引起的自相关性，因此也被称为假自相关性。 原因5当使用模型设定偏置16 (例如两个解释变量3360 )生成模型时，当模型设定到达3360时，其影响进入随机误差项，并且不同的观测点具有相关并且呈现出系统模式，在本例中是自相关性17、模型形式的设定偏差也引起自相关性现象。 将成本曲线设定为线性成本曲线，一定会导致自相关性。 基于设定偏置的自相关性是假自相关性，可以通过变更模型设定来消除。 自相关性关系主要存在于时序数据中，但在横截面数据中也可能出现自相关性，通常被称为空间自相关性(Spatial auto correlation

7、 )。 18例如，在消费行为中，一个家庭、一个地区的消费行为可能影响另一个家庭和另一个地区。 也就是说，不同观测点的随机误差项可能有关联。 许多经济时间序列显示正自相关性，因为它显示了长时间上升或下降的超潜力。 其中，自相关性本身可以是正相关也可以是负相关。 3.2自相关性、二乘、自相关性的结果，1最小二乘估计不再是有效的估计。 在模型中具有自相关性性的情况下，OLS估计仍然是无偏差的估计，但是有效性。 定值过低OLS估计的标准误差。 3. t检查无效。 由于自相关性性的影响，本来不显眼的t值被显山露水的可能性高，即不重要的因素容易被错误地导入模型。 4 .模型的预报准确率降低。 系数估计误差

8、的不正确度直接影响模型的预报准确率。20、3、自相关性性检查、格拉夫法是直观的诊断方法，将所提供的回归模式照原样用普通的最小二乘法推定残奥仪，求出残差项，作为随机项的真的推定值，将所绘制的散布图根据散布图判断相关性。 残差的散布图通常有两种绘制方法。 1、格拉夫检验法、21、22、残差分布图表示如果残差分布随时间的经过而周期性变化，则有自相关性性的可能性高。 如果呈现不规则的随机分布，直观上认为不存在自相关性性。 在方程窗口中喀呖声Resids按钮，或者喀呖声View Actual、Fitted和Residual Tabel以获得残差分布图。 25、26、无自相关性、2 .戴文沃森(Durbin-Watson，DW )检验适用条件：随机项一次自相关性性； 解释变量与随机项无关，样本容量大。 基本原理和步骤： (1)提出假定h 03360=0，3、自相关性性的检验，(2)结构检验统一量：与DW统一量的关系：对于大样本，因此，有：该式为自相关性系数，(3)自相关性性的检验：如果DW