計(jì)量經(jīng)濟(jì)學(xué)復(fù)習(xí)講義

吉林大學(xué)經(jīng)濟(jì)學(xué)院《計(jì)量經(jīng)濟(jì)學(xué)》復(fù)習(xí)講義配套教材：計(jì)量經(jīng)濟(jì)學(xué)（李子奈、潘文卿編著，第三版）第二章、一元線性回歸模型一、相關(guān)與回歸?相關(guān)系數(shù)計(jì)算：?回歸分析：變量間關(guān)系不一致二、參數(shù)估計(jì)1.總體/樣本回歸模型：2.最小二乘法（OLS）?

β0、β1的估計(jì)值

?

β0、β1的方差與概率分布?總體方差估計(jì)值3.統(tǒng)計(jì)檢驗(yàn)?

擬合優(yōu)度檢驗(yàn)

可決系數(shù)：R2=ESS/TSS?顯著性檢驗(yàn)：H0:βi=0，H1:βi≠0?置信區(qū)間估計(jì)(1-α)縮小置信區(qū)間：增大樣本容量n、提高模型擬合優(yōu)度。3.線性性與無(wú)偏性的證明方法?

線性性：?

無(wú)偏性：4.預(yù)測(cè)?對(duì)條件均值：?對(duì)個(gè)別值：

第三章、多元線性回歸模型一、.總體回歸函數(shù)：

?一般形式：Y=β0+β1X1+β2X2+…+βkXk+μ?一般形式：Y=Xβ+μ二、基本假定（略）三、參數(shù)估計(jì)-普通最小二乘估計(jì)?

參數(shù)估計(jì)：?

μ的方差估計(jì)：四、統(tǒng)計(jì)性質(zhì)五、樣本容量問(wèn)題?

n≥k+1，不能少于解釋變量（含常數(shù)香）數(shù)目?

n≥30或至少≥3(k+1)時(shí)滿足模型估計(jì)基本要求六、統(tǒng)計(jì)檢驗(yàn)1.擬合優(yōu)度檢驗(yàn)?

調(diào)整的可決系數(shù)?

赤池信息準(zhǔn)則和施瓦茨準(zhǔn)則變小的話允許增加解釋變量2.顯著性檢驗(yàn)?

方程顯著性H0:β1~k全為零H1:不全為零太大就接受備擇假設(shè)，說(shuō)明模型的線性關(guān)系顯著成立?？傮w線性關(guān)系十分顯著時(shí)不必苛求高可決系數(shù)。?

變量顯著性?

參數(shù)的置信區(qū)間縮小置信區(qū)間：增大樣本容量n、提高模型擬合優(yōu)度、提高樣本觀測(cè)值的分散度。七、預(yù)測(cè)1.均值的預(yù)測(cè)2.單個(gè)值的預(yù)測(cè)八、非線性化為線性?

變換?

非線性普通最小二乘法九、受約束回歸1.條件約束約束后e'*e*≥e'e，即殘差平方和可能變大。除非約束條件為真，模型解釋能力可能降低。若F太大則約束無(wú)效2.增減解釋變量少變量模型可看做對(duì)多變量模型加以約束而形成。q=kU-kR，kU=k+q3.參數(shù)穩(wěn)健性-鄒氏參數(shù)穩(wěn)定性檢驗(yàn)(n2>k)：結(jié)構(gòu)不變式相當(dāng)于對(duì)變動(dòng)式施加k+1個(gè)約束：H0:β=α，進(jìn)行F檢驗(yàn)判斷是否合適。n分為n1、n2；RSSU=RSS1+RSS2;k1=k2=k.-鄒氏預(yù)測(cè)檢驗(yàn)(n2<k)：先用前一段時(shí)間n1個(gè)樣本估計(jì)模型（視為無(wú)約束模型），再用所有樣本估計(jì)模型（作為受約束模型）。做F統(tǒng)計(jì)。4.非線性約束——非線性最小二乘法檢驗(yàn)方法：最大似然比檢驗(yàn)LR、沃爾德檢驗(yàn)WD、拉格朗日乘數(shù)檢驗(yàn)LM。第四章、放寬基本假定一、異方差性1.類型?單調(diào)遞增型：σi2隨X增大而增大；?單調(diào)遞增型：σi2隨X增大而減小；?復(fù)雜型：σi2與X的變化呈復(fù)雜形式；2.后果?參數(shù)估計(jì)不有效：E(μμ')=σ2I不再成立?變量顯著性檢驗(yàn)失去意義：參數(shù)方差估計(jì)存在偏誤?模型預(yù)測(cè)失效：置信區(qū)間與參數(shù)方差有關(guān)而變得不準(zhǔn)確、模型不好3.檢驗(yàn)Var(μi)=E(μi2)-E(μi)2=E(μi2)≈e~i2用e~i2表示隨機(jī)干擾項(xiàng)的方差【圖示檢驗(yàn)法】【帕克檢驗(yàn)與戈里瑟檢驗(yàn)】建立方程：e~i2=f(Xij)+εi

需要選用不同形式的f(X)進(jìn)行試驗(yàn)，來(lái)讓它顯著成立。【G-Q檢驗(yàn)】把樣本按某個(gè)解釋變量進(jìn)行排序，去掉中間n/4個(gè)，其余分成兩個(gè)子樣本，各自計(jì)算殘差平方和；若F超出臨界則拒絕同方差性假設(shè)?？赡苄枰獙?duì)各個(gè)解釋變量輪流試驗(yàn)?！緫烟貦z驗(yàn)】Yi=β0+β1X1i+β1X2i+μi先普通最小二乘，得到e~i2。輔助回歸：同方差假設(shè)下，nR2~χ24.修正【加權(quán)/廣義最小二乘法（WLS）】（符合BLUE特征）先把原模型變成不存在異方差性的模型，再用OLS估計(jì)參數(shù)。對(duì)較小的殘差平方賦予較大權(quán)重，對(duì)較大的殘差平方賦予較小權(quán)重：如何確定μ與X的關(guān)系？115【異方差穩(wěn)健標(biāo)準(zhǔn)誤法】用來(lái)消除異方差帶來(lái)的不良后果：仍采用OLS，但修正相應(yīng)方差。用OLS估計(jì)的殘差平方代替異方差。無(wú)法得到有效的估計(jì)量，但得到了OLS估計(jì)量的正確方差估計(jì)。讓統(tǒng)計(jì)檢驗(yàn)不失效、預(yù)測(cè)區(qū)間更可信。二、序列相關(guān)性1.一階序列相關(guān)/自相關(guān)：Cov(μi,μj)=E(μiμj)≠0μi=ρμi-1+εi，ρ為自協(xié)方差系數(shù)/一階自相關(guān)系數(shù)。2.原因經(jīng)濟(jì)變量存在固有慣性模型設(shè)定偏誤：丟掉了重要的解釋變量或形式偏誤。部分?jǐn)?shù)據(jù)是由已知數(shù)據(jù)生成。3.后果參數(shù)估計(jì)不有效：E(μμ')=σ2I不再成立變量顯著性檢驗(yàn)失去意義：參數(shù)方差估計(jì)存在偏誤模型預(yù)測(cè)失效：置信區(qū)間估計(jì)與參數(shù)方差有關(guān)而變得不準(zhǔn)確4.檢驗(yàn)【思路】先用OLS估計(jì)，用e~t近似估計(jì)隨機(jī)干擾項(xiàng)。然后分析e~t【圖示法】【回歸檢驗(yàn)法】建立方程：e~t=ρe~t-1+εt，t=2,…,ne~t=ρ1e~t-1+ρ2e~t-2+εt，t=3,…,n……分別進(jìn)行估計(jì)和顯著性檢驗(yàn)，萱最顯著的一種?！綝.W.檢驗(yàn)法】4.2.7缺陷：存在不確定區(qū)域；只能檢驗(yàn)一階自相關(guān)，無(wú)法檢驗(yàn)存在滯后被解釋變量的模型?！纠窭嗜粘藬?shù)（LM）檢驗(yàn)/GB檢驗(yàn)】？5.補(bǔ)救【廣義最小二乘法】【廣義差分法】先把原模型變成不存在異方差性的模型，再用OLS估計(jì)參數(shù)。4.2.16【序列相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤法】估計(jì)varB1時(shí)。6.虛假序列相關(guān)問(wèn)題?遺漏了重要的解釋變量或者模型設(shè)定偏誤導(dǎo)致虛假序列相關(guān)→模型的設(shè)定偏誤檢驗(yàn)?真實(shí)的純序列相關(guān)→修正方法進(jìn)行修正。三、多重共線性【完全共線性】至少一個(gè)解釋變量可以由其他解釋變量的線性組合表示，R(X)<k+1【近似共線性】外加一個(gè)隨機(jī)干擾項(xiàng)1.原因：變量存在相關(guān)的共同趨勢(shì)、存在滯后變量作用、時(shí)間序列樣本資料容易產(chǎn)生。2.后果：部分參數(shù)估計(jì)量不存在、OLS估計(jì)量方差變大【方差膨脹因子：VIF(^β1)=1/(1-r2)】、可能出現(xiàn)部分參數(shù)估計(jì)值經(jīng)濟(jì)意義明顯不合理、變量的顯著性檢驗(yàn)和模型的預(yù)測(cè)功能失去意義（由于參數(shù)估計(jì)值方差變大）。3.檢驗(yàn)是否存在：?計(jì)算兩解釋變量相關(guān)系數(shù)r，接近1則共線；?OLS下R2和F值較大，但是各參數(shù)估計(jì)值t檢驗(yàn)值較?。▽?duì)Y的獨(dú)立作用不能分辨）。4.檢驗(yàn)存在范圍：【判定系數(shù)檢驗(yàn)法】4.3.7，F(xiàn)太大則存在共線性【逐步回歸法】逐個(gè)引入解釋變量，觀察擬合優(yōu)度變化，變化不顯著則可用其他變量的線性組合代替。5.克服方法?排除多余變量?差分法（增量間的線性關(guān)系比總量更弱）?減小參數(shù)估計(jì)值的方差四、隨機(jī)解釋變量問(wèn)題（存在是隨機(jī)變量的解釋變量）1.分類：隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)獨(dú)立、異期相關(guān)、同期相關(guān)。2.后果：?若獨(dú)立：參數(shù)估計(jì)量仍是無(wú)偏一致估計(jì)量?異期相關(guān)：有偏一致估計(jì)量?同期相關(guān)：有偏非一致估計(jì)量3.對(duì)策（克服有偏性）?異期相關(guān)：增大樣本容量?同期相關(guān)：工具變量法①工具變量的選?。号c所替代解釋變量高度相關(guān)、與隨機(jī)干擾項(xiàng)不相關(guān)、與模型中其他解釋變量不相關(guān)。②工具變量的應(yīng)用：?jiǎn)巫兞浚?48頁(yè)上面。矩估計(jì)。多變量：評(píng)價(jià)：大樣本下有一致性，小樣本下有偏。?解釋變量的內(nèi)生檢驗(yàn)：要求隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)至少不存在同期相關(guān)性。將嫌疑變量用工具變量替代，以通過(guò)工具變量法估計(jì)的結(jié)果與直接估計(jì)結(jié)果對(duì)比看差異是否顯著。若顯著則嫌疑變量是內(nèi)生的。第五章、專門問(wèn)題一、虛擬變量問(wèn)題1.引入Di=0或1·加法方式（考察截距不同）·乘法方式（考察斜率的不同）·臨界指標(biāo)的虛擬變量2.設(shè)置原則·個(gè)數(shù)比定性變量類別數(shù)少1（避免＂虛擬變量陷阱＂）二、滯后變量模型1.原因：心理、技術(shù)、制度2.模型?分布滯后模型：只有解釋變量當(dāng)期值和若干期滯后解釋變量。各系數(shù)體現(xiàn)當(dāng)期值和各期滯后值的影響程度，又叫（短期\動(dòng)態(tài)）乘數(shù)。?自回歸模型：只有解釋變量當(dāng)期值和被解釋變量的若干滯后值。q為階數(shù)3.分布滯后模型的參數(shù)估計(jì)?經(jīng)驗(yàn)加權(quán)法把各期滯后變量加權(quán)（遞減型、矩型、倒V型），形成新的變量Wt簡(jiǎn)單易行，隨機(jī)度大。需要多次實(shí)驗(yàn)選擇最佳估計(jì)式。?阿爾蒙多項(xiàng)式法?科伊克方法4.自回歸模型的參數(shù)估計(jì)【構(gòu)造】?自適應(yīng)預(yù)期模型本期預(yù)測(cè)值為本期真值和上期預(yù)測(cè)的加權(quán)和。?局部調(diào)整模型（實(shí)際變化是預(yù)期變化的一部分）實(shí)際庫(kù)存儲(chǔ)備是本期最佳預(yù)期和上期實(shí)際的加權(quán)和。可轉(zhuǎn)化為自適應(yīng)預(yù)期模型。【估計(jì)】?工具變量法若滯后被解釋變量與隨機(jī)干擾項(xiàng)同期無(wú)關(guān)，則OLS有偏不一致。需用工具變量。172頁(yè)?OLS若滯后被解釋變量與隨機(jī)干擾項(xiàng)同期無(wú)關(guān)，則可直接得到一致估計(jì)量。?都未解決干擾項(xiàng)自相關(guān)問(wèn)題5.格蘭杰因果關(guān)系檢驗(yàn)整體為零則有影響，整體不為零則無(wú)影響。基于F檢驗(yàn)：相當(dāng)于施加m個(gè)參數(shù)為零的假設(shè)。太大則認(rèn)為是因。第六章聯(lián)立方程一、單方程計(jì)量經(jīng)濟(jì)學(xué)模型適用于單一經(jīng)濟(jì)現(xiàn)象的研究，揭示單項(xiàng)因果關(guān)系。對(duì)于互為因果的關(guān)系必須用一組方程描述。1.難點(diǎn)

?隨機(jī)解釋變量問(wèn)題：存在不確定的變量；存在與干擾項(xiàng)相關(guān)的變量，導(dǎo)致OLS估計(jì)量有偏。?損失變量信息問(wèn)題：變量背后還有變量。?損失方程間的相關(guān)性信息問(wèn)題：不同方程隨機(jī)擾動(dòng)項(xiàng)相關(guān)，造成方程間存在聯(lián)系。2.概念?變量：內(nèi)生變量（與模型系統(tǒng)互相決定影響）、外生變量（決定但不受系統(tǒng)影響）、先決變量（含外生和滯后內(nèi)生變量）?結(jié)構(gòu)式模型：即大括號(hào)括起來(lái)的方程式系統(tǒng)；每個(gè)方程為結(jié)構(gòu)方程；把內(nèi)生變量表示為其他內(nèi)生、先決與隨機(jī)項(xiàng)函數(shù)形式稱為結(jié)構(gòu)方程的正規(guī)形式。常數(shù)項(xiàng)視為觀測(cè)值始終取1的，外生的虛變量X0。完備的結(jié)構(gòu)式模型具有k個(gè)先決變量，g個(gè)內(nèi)生變量，g個(gè)結(jié)構(gòu)方程?？梢詫懗桑築Y+ΓX=N?簡(jiǎn)化式模型：將每個(gè)內(nèi)生變量表示成所有先決變量和隨機(jī)干擾項(xiàng)的函數(shù)?？捎肙LS估計(jì)。Y=ΠX+E?參數(shù)關(guān)系體系Π=-B^(-1)Γ先估計(jì)簡(jiǎn)化式參數(shù)，再計(jì)算得到結(jié)構(gòu)式參數(shù)（ILS）參數(shù)關(guān)系體系中剔除矛盾項(xiàng)。殘余數(shù)少于參數(shù)數(shù)則不可識(shí)別。*二、模型的識(shí)別1.定義某個(gè)結(jié)構(gòu)方程具有確定的統(tǒng)計(jì)形式（即其它方程或所有方程的任意線性組合構(gòu)成的新方程不再具有）即為可識(shí)別；對(duì)于某個(gè)方程，只有一組參數(shù)估計(jì)量則為恰好識(shí)別（唯一解），有多組參數(shù)估計(jì)量則為過(guò)度識(shí)別（無(wú)解），得不到確定的估計(jì)值則為無(wú)法識(shí)別（多解）所有隨機(jī)方程都可識(shí)別則模型系統(tǒng)也可識(shí)別。2.結(jié)構(gòu)式識(shí)別條件不可識(shí)別：R(B0Γ0)<g-1恰好識(shí)別：R(B0Γ0)=g-1，且k-ki=gi-1過(guò)度識(shí)別：R(B0Γ0)>g-1，且k-ki＞gi-1B0Γ0為方程i中未包含的變量在其它g-1個(gè)方程中的系數(shù)矩陣。g為內(nèi)生變量數(shù)。3.簡(jiǎn)化式識(shí)別條件不可識(shí)別：R(Π2)<gi-1恰好識(shí)別：R(Π2)=gi-1，且k-ki=gi-1過(guò)度識(shí)別：R(Π2)>gi-1，且k-ki＞gi-1Π2為Π中劃去方程i中（不含的內(nèi)生變量對(duì)應(yīng)行）和方程i中（包含的先決變量對(duì)應(yīng)列）。4.經(jīng)驗(yàn)方法建立新方程時(shí)，要使其包含前面每個(gè)方程都不含的至少一個(gè)變量（不破壞前程可識(shí)別性），同時(shí)前面每個(gè)方程中至少包含一個(gè)新方程沒(méi)有的變量并且各不相同（確保新方程可識(shí)別）。三、單方程估計(jì)方法1.狹義的工具變量法（IV）模型：BY+ΓX=N方程一：作為單方程，它有g(shù)-1個(gè)內(nèi)生解釋變量，k1個(gè)先決解釋變量。選取k-k1個(gè)未出現(xiàn)的先決解釋變量X*作為gi-1個(gè)內(nèi)生解釋變量Y0的工具變量。恰好識(shí)別時(shí)適用，剛好夠用。式6?4?4?性質(zhì)：小樣本下有偏，大樣本下漸近無(wú)偏，工具變量無(wú)關(guān)干擾項(xiàng)時(shí)是無(wú)偏估計(jì)量。?工具變量次序不影響估計(jì)量的估計(jì)。2.間接最小二乘法（ILS）?步驟㈠根據(jù)方程式寫出內(nèi)生變量的簡(jiǎn)化式方程（組）；㈡用OLS估計(jì)簡(jiǎn)化式的參數(shù)；㈢把簡(jiǎn)化式代入結(jié)構(gòu)方程，得到參數(shù)關(guān)系體系；㈣并把簡(jiǎn)化式參數(shù)估計(jì)值轉(zhuǎn)為結(jié)構(gòu)參數(shù)估計(jì)值。?統(tǒng)計(jì)性質(zhì)對(duì)簡(jiǎn)化式的估計(jì)當(dāng)然符合三性了；第二步算過(guò)來(lái)的結(jié)構(gòu)參數(shù)估計(jì)量在小樣本下有偏，大樣本下漸近無(wú)偏。?也是一種工具變量法。用X作為(Y0,X0)的工具變量6?4?8號(hào)稱一個(gè)重要結(jié)論。3.二階段最小二乘法（2SLS）第一階段：用OLS估計(jì)內(nèi)生變量的簡(jiǎn)化式Y(jié)0=XΠ0+E0第二階段：用Y0的估計(jì)量Y^0代替Y0。繼續(xù)用OLS估計(jì)。6?4?12?統(tǒng)計(jì)性質(zhì)：同工具變量法。?也是一種工具變量法。以估計(jì)量Y^0作為Y0的工具變量。?也可用于過(guò)度識(shí)別的方程估計(jì)。?對(duì)于恰好識(shí)別的結(jié)構(gòu)方程，以上三種方法是等價(jià)的。4.主分量方法用少量新變量Z重新表示原模型中大量的先決變量X。Z必須是X的線性組合（保證代表性）、之間必須是正交的（保證主分量之間不出現(xiàn)共線性）。選擇主分量就是求X'X的特征值和特征向量。四、檢驗(yàn)1.擬合效果檢驗(yàn)已知參數(shù)估計(jì)量和先決變量后，估計(jì)內(nèi)生變量。均方百分比法。小于5%的變量在g個(gè)內(nèi)生變量中占70%以上，且每個(gè)都不大于10%則認(rèn)為擬合效果較好。2.預(yù)測(cè)性能檢驗(yàn)小于5%的變量在g個(gè)內(nèi)生變量中占70%以上，且每個(gè)都不大于10%則認(rèn)為擬合效果較好。表示第i個(gè)內(nèi)生變量的預(yù)測(cè)誤差所占比。3.方程間誤差傳遞檢驗(yàn)4.樣本點(diǎn)間誤差傳輸檢驗(yàn)第八章、時(shí)間序列一、平穩(wěn)性1.概述?

條件：時(shí)間序列概率分布一致：均值、方差、間隔協(xié)方差均為與t無(wú)關(guān)的常數(shù)。?

白噪聲：是平穩(wěn)的。Xt=μt?

隨機(jī)游走：Var(X)=tσ2，不平穩(wěn)。但其差分平穩(wěn)。2.圖示判斷自相關(guān)函數(shù)ACF：樣本的自相關(guān)函數(shù)SACF：該函數(shù)迅速遞減，若平穩(wěn)則應(yīng)該為0。對(duì)于k大于0，服從均值0、方差1/n的正態(tài)分布。超出范圍則拒絕假設(shè)，認(rèn)為非平穩(wěn)。3.單位根檢驗(yàn)?

DF檢驗(yàn)Xt=α+ρXt-1+μt參數(shù)p小于1則平穩(wěn)。△Xt=α+δXt-1+μt參數(shù)δ小于0則平穩(wěn)。?

ADF檢驗(yàn)由下而上，直到拒絕零假設(shè)時(shí)停止檢驗(yàn)，認(rèn)為平穩(wěn)。

4.單整d次查分可變平穩(wěn)的序列稱為d階單整序列I(d)。幾次也不行就是非單整的。5.平穩(wěn)過(guò)程引入確定性的（便于分離）作為趨勢(shì)性變量得時(shí)間，以避免虛假回歸問(wèn)題（無(wú)實(shí)際意義的共同變化趨勢(shì)）。Xt=α+βt+ρXt-1+μt以模型三檢驗(yàn)，若有單位根且時(shí)間變量前參數(shù)顯著為零則為隨機(jī)性趨勢(shì)。若沒(méi)有單位根且t前變量顯著異于零則為確定性趨勢(shì)。若ρ=0，β不=0，則確定和隨機(jī)性趨勢(shì)都有。?

差分平穩(wěn)過(guò)程：可消除隨機(jī)性趨勢(shì)，無(wú)法消除確定性趨勢(shì)。?

趨勢(shì)平穩(wěn)過(guò)程：除去βt趨勢(shì)項(xiàng)。二、分析模型尋找序列自身變化規(guī)律，用過(guò)去行為預(yù)測(cè)未來(lái)1.基本概念p階自回歸過(guò)程AR(p)純AP過(guò)程8.2.4q階移動(dòng)平均過(guò)程MA(q)自回歸移動(dòng)平均過(guò)程ARMA(p,q)「普遍形式」序列可由自身滯后值及隨機(jī)干擾項(xiàng)解釋。如果平穩(wěn)即可預(yù)測(cè)。適用性如果外生變量是白噪聲。。。2.平穩(wěn)性條件?ARp模型特征方程：若所有根的模大于1，則平穩(wěn)。?MAq模型滯后期大于q時(shí)，Xt的自協(xié)方差系數(shù)為0。因此有限階MA模型總是平穩(wěn)的。?ARMApq模型是二者組合，平穩(wěn)性取決于AR部分。若d次差分后可得到平穩(wěn)，記為ARIMA(p,d,q)3.識(shí)別?ARp過(guò)程偏自相關(guān)函數(shù)PACF若在p后截尾，而自相關(guān)函數(shù)ACF拖尾，則是自回歸ARp序列。?MAq過(guò)程自相關(guān)函數(shù)ACF在q后截尾，而偏自相關(guān)函數(shù)PACF拖尾，則是MAq序列。?ARMApq過(guò)程自相關(guān)函數(shù)取決于pq是否為0。偏自相關(guān)函數(shù)可能在p階滯后前有幾項(xiàng)明顯的尖柱，p階滯后項(xiàng)后開(kāi)始趨向于0；自相關(guān)系數(shù)在q階滯后前有幾項(xiàng)明顯尖柱，之后趨向于0。4.估計(jì)5.檢驗(yàn)三、協(xié)整與誤差修正兩個(gè)時(shí)間序列是協(xié)整的，則一定存在一個(gè)他們的線性組合是零階單整的I(0)序列。反之也成立。白噪聲也是I(0)序列。兩段序列的和的性質(zhì)由高階序列決定。平穩(wěn)條件：序列的期望、方差和間隔協(xié)方差都與t無(wú)關(guān)。自相關(guān)系數(shù)：ρk=γk/γ0=Cov(Xt,Xt+k)/Var(Xt)附：計(jì)量經(jīng)濟(jì)學(xué)實(shí)證建模步驟理論模型的建立

⑴確定模型包含的變量根據(jù)經(jīng)濟(jì)學(xué)理論和經(jīng)濟(jì)行為分析.例如：同樣是生產(chǎn)方程,電力工業(yè)和紡織工業(yè)應(yīng)該選擇不同的變量