第六章 自相关.ppt

1、1，计量经济学，第6章自身相关，2，引用：t检查和F检查是否一定可靠？研究居民储蓄存款与居民收入的关系：以一般最小平方估算其参数(1.8690)(0.0055)=(14.9343)(64.2069)，3，检验结果表明回归系数的标准误差很小，得出了T统计结果。同时，结晶系数也很高，F统计量为4122.531，并表明模型异常显著。但是牙齿估计结果可能是假的，T统计量和F统计量都是假的，得到的结果不可信。为什么呢？4，牙齿章节介绍了4个茄子问题。自相关的结果，自相关的检验自相关性的救济，第6章自相关性，第5，第一节是自相关性。牙齿部分的基本内容：自相关的概念自相关的原因自相关的表示，6，1，自相关的

2、概念，自相关的表示，即徐璐其他观察点的误差项徐璐相关。可以用：7，一阶自相关系数表示。自相关系数的定义与一般相关性的公式相同，值范围是公式(6.1)中最后时段的随机误差项。因此，方程(6.1)计算的自相关系数称为一阶自相关系数。8，2，自相关的原因，9，自相关的现象大部分出现在时间序列数据中，经济系统的经济行为都具有时间上的惯性。GDP、价钱、就业等经济指标都随着经济系统的周期而波动。例如，高经济增长率在经济衰退时期也会持续一段时间，高失业率也会持续一段时间，这种现象将表现为经济指标的自我关联现象。(David aser，Northern Exposure(美国电视电视剧)，原因1经济系统的惯

3、性，10，延迟效果是指一个指标对其他指标的影响不仅限于拉，而是持续多个期间。这就导致了变量的自相关性。例如，居民目前可支配收入的增加不符合居民的消费水平，要经过几个时期才能达到。因为人的消费观念的变化客观上有适应期。原因2经济活动的延迟效应，11，由于某种原因修饰和插补数据，在这种数据序列中会发生自我关联。例如，将每月数据调整为季度数据，进一步处理会使每月数据波动均匀，从而使季度数据平滑。这种柔软度是自相关的。对于缺失的历史数据，使用特定的统计方法插值以创建数据的前后关联，从而生成自相关。原因3数据处理引起的相关，12，原因4蜘蛛网现象，13，原因5模型设置错误，14，例如，如果需要使用两个解

4、释变量(即：)创建模型，则模型设置为：时，对的影响被归类为随机错误项。这与徐璐其他观察点相关，因此徐璐其他观察点相关，出现系统模式，牙齿情况下是自相关。大卫亚设、美国电视电视剧、美国电视电视剧、15、型号格式设置错误也可能导致自相关现象。如果将成本曲线设置为线性成本曲线，则一定会导致自相关。设置误差产生的自相关是假自相关，可以通过更改模型设置来消除。自相关主要存在于时间序列数据中，但在横断面数据中，也可能发生自相关，也称为空间自相关。16，例如，在消费行为中，一个家族、一个地区的消费行为可能影响其他家庭和其他地区。也就是说，其他观察点的随机误差项可能相关。大部分经济时间序列出现在长时间上升或下

5、降的初期，因此大部分都是自我相关的。但是，对于自相关，可以是正或负相关。17，3，自相关的表示，自相关的特性可以作为自相关系数的符号判断为负相关，正相关。接近1意味着相关性高。自相关是序列本身的关联，因为随机误差项的关联形式不同，所以徐璐有不同的自相关形式。自相关更多地出现在时间序列数据中。18，对于样例观测周期为的时间序列数据，可以获得整个回归模型(PRF)的随机项。如果自相关格式是自相关系数，经典误差项，则称为一阶自回归模式。在模型中落后一个周期的值，因此称为第一阶。在牙齿方程中，也称为一阶自相关系数。自相关格式，19，格式的随机错误项不是经典错误项，也就是说，如果有嵌入组件，则必须包含在

6、回归模型中。牙齿元素是一阶自相关系数、二阶自相关系数、经典误差项。牙齿表达式称为二次自回归模式，记录如下：20，一般来说，如果之间的关系在其中，是经典的误差项。牙齿样式称为顺序自回归模式，记录如下：在计量经济分析中，通常使用一阶自回归格式。也就是说，假设自回归格式为一阶自动回归。21，2节自相关的结果，牙齿部分的基本内容：第一阶自回归格式的特性自相关对参数估计的影响自相关对模型测试的影响，22，通过分别赋予第一、第一自回归形式的性质，23，随机误差项的每个周期延迟值：可以获得：这表明随机误差项可以表示为独立分布的随机误差序列的权重总和。权重为：当时，这些权重随着时间的推移呈几何下降趋势。当时，

7、这些权重随着时间的推移扭转而衰减。24，25，26等：的协方差分别可以说是随机误差项目的一阶自协方差、二阶自协方差和差阶自协方差、27，2，对参数估计的影响。在自相关的条件下，仍然使用一般最小二乘法来低估估计量的方差，低估实际值，20。在实际的经济系统中，通常也有正的自相关性。也就是说，序列本身也具有正相关，因此公式(6.18)右括号中的值通常大于0。因此，在自相关的条件下，如果仍然使用一般最小二乘法，估计量的方差将被低估。会低估真相。31，3，对模型测试的影响，32，并非所有线性偏转估计中最小的，因此，在使用T测试确定回归系数的重要性时，可以得出错误的结论。T检验统计量如下：由于中的误差被夸

8、大所得到的统计量可能小于阈值，因此得到了参数不明显的结论。(戴维亚设，美国电视电视剧，检察官)牙齿的结论可能不正确。自相关的测试，33，33，也就是说，当有正相关关系的时候，所有的事情。此外，回归模型的解析变量在徐璐不同时期通常具有正相关，在和的情况下大于0。无视自相关中的检查，34，35，低估的标准误差意味着较大的T统计量。因此，当时一般T统计数字很大。这种偏转的T统计量不能用于判断回归系数的重要性。总之，对于自相关，无论考虑自相关还是忽略自相关，对典型回归系统重要性的T检验都是无效的。同样，由于自相关的存在，参数的最小二乘法估计无效，因此F检验和T检验不再可靠。36，4，对模型预测的影响，

9、模型预测的准确度取决于采样误差和总体误差项目的方差。采样误差来自适当的估计，在自相关的情况下，方差的最小平方估计不可靠，因此需要增加采样误差。同时，在自相关的情况下，对关岛的估计也将难以置信。由此可见，影响预测准确度的两个茄子主要因素都因自相关的存在而增加了不确定性，使预测的置信区间不可靠，从而降低了预测的准确度。37，3节自相关的检查，牙齿部分的基本内容：图标检测法DW检测法，38，1，图检测法，图检测法是直观的诊断方法，残差的散点图通常有两种茄子绘制方法。39，40，41，42，43，2，DW检验法，DW检验是J.Durbin(杜宾)和G.S.Watson(沃森)牙齿1951年提出的建议之

10、一，DW检验只能用于对随机误差项进行一次自回归形式的自相关检验。牙齿测试方法是创建经济测量模型最常用的方法，可以在普通电脑软件中计算DW值。44，45，46，47如上所述，DW的范围是0DW根据样本容量和解释变量的数量(不包括常量项)确定DW分布表，获取阈值和，然后根据标准检查计算出的DW值以确定模型的自相关状态。48，DW检验决策规则，49，使用坐标图对DW检验规则，50，51，4节自相关的补救，牙齿子句的基本内容：光程差分法焦炭反复法其他方法介绍，52，1，光程法，由于不能观察自相关结构的随机误差项，所以一般为1如果自相关系数已知，使用广义差分法可以完全解决自相关问题。我们以一元线性回归模

11、型为例，说明了广义差分方法的应用。53，54，55，在模型中使用一般最小二乘估计，可以获得参数估计的最佳线性无偏估计。这称为一般化差异方程式，因为解析的变数和解析的变数都是目前值减去先前值的部分。56，57，2，Cochrane Orcutt迭代方法，在实际应用中，自相关系数通常未知，必须用特定方法估计。最简单的方法是根据DW统计数字进行估计。由于DW和的关系，可以知道：但这是近似的结果，是准确度不高的估计。其根本原因是我们在自相关的回归模型中使用了一般最小二乘法。为了得到准确的估计值，一般使用焦炭(CochraneOrcutt)迭代法。58，牙齿方法使用残差估计未知。对于一元线性回归模型，估

12、计为一阶自回归格式，即：59，焦炭塔迭代方法的步骤如下：1。用普遍最小二乘估计模型，得到残差。2。使用残差执行以下回归：60，3。使用，模型广泛使用差异，即一般最小二乘法。上一步骤中的估计结果如下：，5 .利用残差进行如下回归，在二次估计，63，64，(2)戴文两阶段自相关系数未知的情况下，也可以使用戴文建议的两阶段方法消除自相关。广义差异方程，65，66，研究范围：中国农村居民收入消费模式(1985-2007)研究目的：消费模式是研究居民消费行为的工具和手段。通过对消费模式的分析可以判断居民消费边际消费倾向，边际消费倾向是宏观经济系统的重要参数。建立模范居民消费，居民收入，随机误差项目。数据

13、收集：19852007年农村居民人均收入和消费(见表6.3)，第5节案例分析，67，表6.3中的数据，使用一般最小平方估计消费模型，对样品杨怡23，解释变量的模型，5%的显著水平，从DW统计表来看，dL=1.018，dU单击“EViews方程式输出”窗口中的按钮“Resids”以查看误差图形，如图6.6中所示。建立、推论和检查模型，se=(14.5622)(0.0219)t=(3.8604)(31.9690)R2=0.9799 f=1022.016 dw=科克伦奥克从主菜单中选择Quick/Generate Series，或单击“作业档案”窗口工具栏上的Procs/Generate Serie

14、s，在弹出对话框中输入它，然后单击OK获取残差序列。在EViews寿命栏中，输入ls e(-1)，以使用回归方程式et=0.8148 et-1，70，如果查看DL=0.997，dU=1.174，模型的DW=1.3979 dU，您就会发现在广义上的差异模型中不再存在相关性。同时，晶体系数R2，T，F统计均达到了理想水平。t=(0.9923)(14.7401)R2=0.9157 f=217.2695 dw=1.3243格式，(0.0796)，73，从差异方程中可以看出，我们得到了最终的中国农村居民消费模式。从模式(6.49)的中国农村居民消费模式可以看出，中国农村居民的边际消费倾向为0.7309，即中国农民每次增加收入1元，消费支出将平均增加0.7309，最终模式结果为Y t=41.9271 0.7309 X t，74，牙齿章节摘要，1当整个回归模型的随机误差项徐璐在其他观察点徐璐相关时，就会出现自相关问题。自相关的