第12章自相關(guān)性誤差項(xiàng)相關(guān)會(huì)怎么樣課件

第12章自相關(guān)性

誤差項(xiàng)相關(guān)會(huì)怎么樣?第2篇放寬經(jīng)典模型的假定一、自相關(guān)性概念二、實(shí)際經(jīng)濟(jì)問(wèn)題中的自相關(guān)性

三、自相關(guān)性的產(chǎn)生原因及后果四、自相關(guān)性的檢驗(yàn)五、案例第十二章自相關(guān)性

一、自相關(guān)性概念

如果對(duì)于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)之間不再是不相關(guān)的，而是存在某種相關(guān)性，則認(rèn)為出現(xiàn)了序列相關(guān)性(SerialCorrelation)。

對(duì)于模型

Yi=0+1X1i+2X2i+…+kXki

+i

i=1,2,…,n隨機(jī)項(xiàng)互不相關(guān)的基本假設(shè)表現(xiàn)為

Cov(i

,j)=0

ij,i,j=1,2,…,n或在其他假設(shè)仍成立的條件下，序列相關(guān)即意味著0)(1jiEmm稱為一階列相關(guān)，或自相關(guān)（autocorrelation）

其中：被稱為自協(xié)方差系數(shù)（coefficientofautocovariance）或一階自相關(guān)系數(shù)（first-ordercoefficientofautocorrelation）如果僅存在

E(i

i-1)0

i=1,2,…,n自相關(guān)往往可寫(xiě)成如下形式：

i=i-1+i-1<<1

由于序列相關(guān)性經(jīng)常出現(xiàn)在以時(shí)間序列為樣本的模型中，因此，本章將用下標(biāo)t代表i。

i是滿足以下標(biāo)準(zhǔn)OLS假定的隨機(jī)干擾項(xiàng)：二、實(shí)際經(jīng)濟(jì)問(wèn)題中的自相關(guān)性

大多數(shù)經(jīng)濟(jì)時(shí)間數(shù)據(jù)都有一個(gè)明顯的特點(diǎn):慣性，表現(xiàn)在時(shí)間序列不同時(shí)間的前后關(guān)聯(lián)性。由于消費(fèi)習(xí)慣的影響被包含在隨機(jī)誤差項(xiàng)中，則可能出現(xiàn)序列相關(guān)性（往往是正相關(guān)）。例如，居民總消費(fèi)函數(shù)模型：

Ct=0+1Yt+tt=1,2,…,n1.經(jīng)濟(jì)變量固有的慣性2.模型設(shè)定的偏誤

所謂模型設(shè)定偏誤（Specificationerror）是指所設(shè)定的模型“不正確”。主要表現(xiàn)在模型中丟掉了重要的解釋變量或模型函數(shù)形式有偏誤。

例如，本來(lái)應(yīng)該估計(jì)的模型為

Yt=0+1X1t+2X2t+3X3t+t但在模型設(shè)定中做了下述回歸：

Yt=0+1X1t+1X2t+vt又如：現(xiàn)期消費(fèi)水平（Ct）往往受到其上一期的影響，即存在自相關(guān)。因此，vt=3X3t+t，如果X3確實(shí)影響Y，則出現(xiàn)序列相關(guān)。又如：如果真實(shí)的邊際成本回歸模型為：

Yt=0+1Xt+2Xt2+t其中：Y=邊際成本，X=產(chǎn)出。但建模時(shí)設(shè)立了如下模型：

Yt=0+1Xt+vt因此，由于vt=2Xt2+t,

，包含了產(chǎn)出的平方對(duì)隨機(jī)項(xiàng)的系統(tǒng)性影響，隨機(jī)項(xiàng)也呈現(xiàn)序列相關(guān)性。3.數(shù)據(jù)的“編造”

例如：季度數(shù)據(jù)來(lái)自月度數(shù)據(jù)的簡(jiǎn)單平均，這種平均的計(jì)算減弱了每月數(shù)據(jù)的波動(dòng)性，從而使隨機(jī)干擾項(xiàng)出現(xiàn)序列相關(guān)。

在實(shí)際經(jīng)濟(jì)問(wèn)題中，有些數(shù)據(jù)是通過(guò)已知數(shù)據(jù)生成的。因此，新生成的數(shù)據(jù)與原數(shù)據(jù)間就有了內(nèi)在的聯(lián)系，表現(xiàn)出序列相關(guān)性。

三、自相關(guān)性的后果從一般經(jīng)驗(yàn)上講，對(duì)于采用時(shí)間序列數(shù)據(jù)作樣本的計(jì)量經(jīng)濟(jì)學(xué)問(wèn)題，由于在不同樣本點(diǎn)上解釋變量以外的其他因素在時(shí)間上的連續(xù)性，帶來(lái)它們對(duì)被解釋變量的影響的連續(xù)性，所以往往存在序列相關(guān)性。計(jì)量經(jīng)濟(jì)學(xué)模型一旦出現(xiàn)序列相關(guān)性，如果仍采用OLS法估計(jì)模型參數(shù)，會(huì)產(chǎn)生下列不良后果：1.參數(shù)估計(jì)量非有效

因?yàn)?，在有效性證明中利用了

E(uu’)=2I即同方差性和互相獨(dú)立性條件。而且，在大樣本情況下，參數(shù)估計(jì)量雖然具有一致性，但仍然不具有漸近有效性。

2.

變量的顯著性檢驗(yàn)失去意義

在變量的顯著性檢驗(yàn)中，統(tǒng)計(jì)量是建立在參數(shù)方差正確估計(jì)基礎(chǔ)之上的，這只有當(dāng)隨機(jī)誤差項(xiàng)具有同方差性和互相獨(dú)立性時(shí)才能成立。如果存在自相關(guān),估計(jì)參數(shù)的方差變大,t檢驗(yàn)就失去意義．其他檢驗(yàn)也是如此。3.

模型的預(yù)測(cè)失效

區(qū)間預(yù)測(cè)與參數(shù)估計(jì)量的方差有關(guān)，在方差（標(biāo)準(zhǔn)差）有偏誤的情況下，使得預(yù)測(cè)估計(jì)不準(zhǔn)確，預(yù)測(cè)精度降低。所以，當(dāng)模型出現(xiàn)序列相關(guān)性時(shí)，它的預(yù)測(cè)功能失效。

然后，通過(guò)分析這些“近似估計(jì)量”之間的相關(guān)性，以判斷隨機(jī)誤差項(xiàng)是否具有序列相關(guān)性。

自相關(guān)性檢驗(yàn)方法有多種，但基本思路相同：基本思路:四、自相關(guān)性的檢驗(yàn)首先，采用OLS法估計(jì)模型，以求得隨機(jī)誤差項(xiàng)的“近似估計(jì)量”，用~ei表示：

lsiiiYYe0)?(~-=檢驗(yàn)方法多：如圖示法、游程檢驗(yàn)，DW檢驗(yàn)、布勞殊－戈弗雷（ＢＧ）檢驗(yàn)等1.圖示法幾種常用檢驗(yàn)方法：2.回歸檢驗(yàn)法……

t=2,…,nt=3,…,n對(duì)方程估計(jì)參數(shù)并作顯著性檢驗(yàn)。以te~為被解釋變量，以各種可能的相關(guān)量，諸如以1~-te、2~-te、2~te等為解釋變量，建立各種方程：

如果存在某一種函數(shù)形式，使得方程顯著成立，則說(shuō)明原模型存在序列相關(guān)性。

回歸檢驗(yàn)法的優(yōu)點(diǎn)是：（1）能夠確定序列相關(guān)的形式，（2）適用于任何類型序列相關(guān)性問(wèn)題的檢驗(yàn)。游程檢驗(yàn)：見(jiàn)書(shū)Ｐ4363.德賓—沃森（Durbin-Watson）檢驗(yàn)法

D-W檢驗(yàn)是德賓（J.Durbin）和沃森(G.S.Watson)于1951年提出的一種檢驗(yàn)序列自相關(guān)的方法。該方法的假定條件是：（1）解釋變量X非隨機(jī)；（2）隨機(jī)誤差項(xiàng)i為一階自回歸形式：

i=i-1+i（3）回歸模型中不應(yīng)含有滯后因變量作為解釋變量，即不應(yīng)出現(xiàn)下列形式：

Yi=0+1X1i+kXki+Yi-1+i（4）回歸含有截距項(xiàng)針對(duì)原假設(shè)：H0:=0，即不具有一階自相關(guān)形式

對(duì)立假設(shè)：H1:≠0即具有一階自相關(guān)形式

為的自相關(guān)系數(shù)，且∣∣≤1構(gòu)造如下統(tǒng)計(jì)量：

D.W.統(tǒng)計(jì)量:

該統(tǒng)計(jì)量的分布與出現(xiàn)在給定樣本中的X值有復(fù)雜的關(guān)系，因此其精確的分布很難得到。

但是，他們成功地導(dǎo)出了臨界值的下限dL和上限dU

，且這些上下限只與樣本的容量n和解釋變量的個(gè)數(shù)k有關(guān)，而與解釋變量X的取值無(wú)關(guān)。

展開(kāi)D.W.統(tǒng)計(jì)量：

(*)

D.W檢驗(yàn)步驟:（1）計(jì)算DW值（2）給定顯著性水平，由n和k的大小查DW分布表，得臨界值的下限dL和上限dU（3）比較、判斷：

若

0<D.W.<dL

存在正自相關(guān)（否定H0

）

dL<D.W.<dU

不能確定

dU<D.W.<4－dU

無(wú)自相關(guān)（接受H0）

4－dU<D.W.<4－dL

不能確定

4－dL<D.W.<4

存在負(fù)自相關(guān)（否定H0

）

正相關(guān)不能確定無(wú)自相關(guān)不能確定負(fù)相關(guān)

0dLdU24-dU4-dL4DW當(dāng)D.W.值在2左右時(shí)，模型不存在一階自相關(guān)。如果存在完全一階正相關(guān)，即=1，則D.W.0

完全一階負(fù)相關(guān)，即=-1,則D.W.4

完全不相關(guān)，即=0，則D.W.2

只有當(dāng)無(wú)自相關(guān)時(shí)，DW檢驗(yàn)通過(guò)，模型才可用于預(yù)測(cè)；否則，若DW未檢驗(yàn)通過(guò)，應(yīng)分析原因重建模型，直至DW檢驗(yàn)通過(guò)。這里，為一階自回歸模型i=i-1+i的參數(shù)估計(jì)。4.布勞殊（Breusch）與戈弗雷（Godfrey）檢驗(yàn)

布勞殊（Breusch）與戈弗雷（Godfrey）檢驗(yàn)克服了DW檢驗(yàn)的缺陷，適合于高階序列相關(guān)以及模型中存在滯后被解釋變量的情形。它是由布勞殊（Breusch）與戈弗雷（Godfrey）于1978年提出的，也被稱為GB檢驗(yàn)。

對(duì)于模型：如果懷疑隨機(jī)擾動(dòng)項(xiàng)存在p階序列相關(guān)：

GB檢驗(yàn)可用來(lái)檢驗(yàn)如下輔助回歸方程：欲檢驗(yàn)的虛擬假設(shè)為：

H0:1=2=…=p=0若H0為真時(shí)，大樣本下漸近服從以下分布：其中，n為樣本容量，p為自由度，R2為為如下輔助回歸的可決系數(shù)：

給定顯著性水平，查臨界值2(p)，與LM值比較，做出判斷。若LM>2(p)，拒絕原假設(shè)，表明可能存在直到p階的序列相關(guān)性。實(shí)際檢驗(yàn)中，可從1階、2階、…逐次向更高階檢驗(yàn)。

（一）對(duì)偽自相關(guān)

1。由經(jīng)濟(jì)理論找出被略去的解釋變量，將其放回模型中。

2。修正模型形式，找出正確的函數(shù)關(guān)系。

（二）對(duì)真正自相關(guān)在排除“偽自相關(guān)”后，經(jīng)自相關(guān)檢驗(yàn)，u仍自相關(guān)，則是“真正自相關(guān)”。如果模型被檢驗(yàn)證明存在序列相關(guān)性，則需要發(fā)展新的方法估計(jì)模型。最常用的方法是廣義最小二乘法（GLS:Generalizedleastsquares）和廣義差分法(GeneralizedDifference)。五、自相關(guān)的補(bǔ)救

1.廣義最小二乘法GLS是最具有普遍意義的最小二乘法，OLS和WLS是其特例。對(duì)于模型：

Y=X+

如果存在序列相關(guān)，同時(shí)存在異方差，即有是一對(duì)稱正定矩陣，存在一可逆矩陣D，使得

=DD’Ωμμ,μμ,22212222111221)()Cov(ssssssssss=úúúúú?ùêêêêê?é=￠=￠nnnnnELLLLLLL變換原模型：

D-1Y=D-1X+D-1即

Y*=X*+*(*)(*)式的OLS估計(jì)：該模型具有同方差性和隨機(jī)誤差項(xiàng)互相獨(dú)立性：這就是原模型的廣義最小二乘估計(jì)量(GLSestimators)，是無(wú)偏的、有效的估計(jì)量。如何得到矩陣？

對(duì)的形式進(jìn)行特殊設(shè)定后，才可得到其估計(jì)值。如設(shè)定隨機(jī)擾動(dòng)項(xiàng)為一階序列相關(guān)形式

i=i-1+i則2.廣義差分法廣義差分法是將原模型變換為滿足OLS法的差分模型，再進(jìn)行OLS估計(jì)。

廣義差分法就是上述廣義最小二乘法，但是卻損失了部分樣本觀測(cè)值。如：一階序列相關(guān)的情況下,廣義差分是估計(jì)該模型為廣義差分模型，不存在序列相關(guān)問(wèn)題?？蛇M(jìn)行OLS估計(jì)。這相當(dāng)于：去掉第一行后左乘原模型Y=X+

。即運(yùn)用了GLS法，但第一次觀測(cè)值被排除了?？梢詫⒃Ｐ妥儞Q為:

該模型為廣義差分模型，不存在序列相關(guān)問(wèn)題?？蛇M(jìn)行OLS估計(jì)。

.如果原模型

存在3.隨機(jī)誤差項(xiàng)相關(guān)系數(shù)的估計(jì)

應(yīng)用廣義最小二乘法或廣義差分法，必須已知隨機(jī)誤差項(xiàng)的相關(guān)系數(shù)1,2,…,p

。實(shí)際上，人們并不知道它們的具體數(shù)值，所以必須首先對(duì)它們進(jìn)行估計(jì)。

常用的估計(jì)方法有：科克倫-奧科特（Cochrane-Orcutt）迭代法德賓（durbin）兩步法（1）科克倫-奧科特迭代法

以一元線性模型為例：首先，采用OLS法估計(jì)原模型

Yi=0+1Xi+i

得到的的“近似估計(jì)值”，并以之作為觀測(cè)值使用OLS法估計(jì)下式

i=1i-1+2i-2+Li-L+i得到$,$,,$rrr12Ll，作為隨機(jī)誤差項(xiàng)的相關(guān)系數(shù)rrr12,,,Ll的第一次估計(jì)值。求出i新的“近擬估計(jì)值”，

并以之作為樣本觀測(cè)值，再次估計(jì)：i=1i-1+2i-2+Li-L+i

類似地，可進(jìn)行第三次、第四次迭代。

關(guān)于迭代的次數(shù)，可根據(jù)具體的問(wèn)題來(lái)定。一般是事先給出一個(gè)精度，當(dāng)相鄰兩次1，2，

，L的估計(jì)值之差小于這一精度時(shí)，迭代終止。實(shí)踐中，有時(shí)只要迭代兩次，就可得到較滿意的結(jié)果。兩次迭代過(guò)程也被稱為科克倫—奧科特兩步法。（2）德賓（durbin）兩步法

該方法仍是先估計(jì)1,2,,l，再對(duì)差分模型進(jìn)行估計(jì)。第一步，變換差分模型為下列形式：進(jìn)行OLS估計(jì)，得各Yj（j=i-1,i-2,…,i-l)前的系數(shù)1,2,,l的估計(jì)值于是：

)??1(??1*00lrrbb---=L，

*11??bb=采用OLS法估計(jì)，得到參數(shù)110),??1(brrbl---L的估計(jì)量，記為*0?b，*1?b。第二步，將估計(jì)的lrrr?,,?,?21L代入差分模型ililiilliliiXXXYYYerrbrrbrr+---+---=-------)()1(1111011LLL

illn=++12,,,L應(yīng)用軟件中的廣義差分法

在Eviews/TSP軟件包下，廣義差分采用了科克倫-奧科特（Cochrane-Orcutt）迭代法估計(jì)。

在解釋變量中引入AR(1)、AR(2)、…，即可得到參數(shù)和ρ1、ρ2、…的估計(jì)值。

其中AR(m)表示隨機(jī)誤差項(xiàng)的m階自回歸。在估計(jì)過(guò)程中自動(dòng)完成了ρ1、ρ2、…的迭代。

如果能夠找到一種方法，求得Ω或各序列相關(guān)系數(shù)j的估計(jì)量，使得GLS能夠?qū)崿F(xiàn)，則稱為可行的廣義最小二乘法（FGLS,FeasibleGeneralizedLeastSquares）。FGLS估計(jì)量，也稱為可行的廣義最小二乘估計(jì)量（feasiblegeneralleastsquaresestimators）

注意：4.虛假序列相關(guān)問(wèn)題

由于隨機(jī)項(xiàng)的序列相關(guān)往往是在模型設(shè)定中遺漏了重要的解釋變量或?qū)δＰ偷暮瘮?shù)形式設(shè)定有誤，這種情形可稱為虛假序列相關(guān)(falseautocorrelation)(偽自相關(guān))，應(yīng)在模型設(shè)定中排除。避免產(chǎn)生虛假序列相關(guān)性的措施是在開(kāi)始時(shí)建立一個(gè)“一般”的模型，然后逐漸剔除確實(shí)不顯著的變量。五、案例：中國(guó)商品進(jìn)口模型

經(jīng)濟(jì)理論指出，商品進(jìn)口主要由進(jìn)口國(guó)的經(jīng)濟(jì)發(fā)展水平，以及商品進(jìn)口價(jià)格指數(shù)與國(guó)內(nèi)價(jià)格指數(shù)對(duì)比因素決定的。由于無(wú)法取得中國(guó)商品進(jìn)口價(jià)格指數(shù)，我們主要研究中國(guó)商品進(jìn)口與國(guó)內(nèi)生產(chǎn)總值的關(guān)系。（下表）。

1.通過(guò)OLS法建立如下中國(guó)商品進(jìn)口方程

（2.32）（20.12）

2.進(jìn)行序列相關(guān)性檢驗(yàn)

DW檢驗(yàn)

取=5%，由于n=24，k=2(包含常數(shù)項(xiàng))，查表得：

dl=1.27，du=1.45由于DW=0.628<dl

，故:存在正自相關(guān)。

BG檢驗(yàn),也稱拉格朗日乘數(shù)檢驗(yàn)

（0.23）（-0.50）(6.23)（-3.69）

R2=0.6614

2階滯后：于是，LM=（24-2）0.6614=14.55取=5%，2分布的臨界值20.05(2)=5.991

LM>20.05(2)

故:存