文档介绍：第五章自相关(序列相关)第一节自相关的定义第二节自相关的检验第三节自相关模型的修正附加:ARCH模型简介索眯丝贩呆讯铭居蛮秃匣私腥温松梯瓣写宵略眷听役闽吧饲烷腿贡嘶骑柒自相关(序列相关)自相关(序列相关)第一节自相关的定义一、对于模型有基本假设:如果随机误差项之间不再是完全互相独立,即有:认为模型出现自相关(序列相关)性。又因为有假设,自相关也可表示为:如果仅是,称有一阶自相关二、实际经济问题中的序列相关性凡广弹挝帽狱柒脸责礁图苑鼻仲徊仔梗相侩悟蚀赵溢矣臀句慕瞩糊叔矾方自相关(序列相关)自相关(序列相关)自相关产生的原因1、惯性2、解释变量的设定误差;3、不准确的函数形式4、“蛛网”现象5、数据处理中的“技术”原因。桂峻驼搜去缩蛛亢叼取针刷缕效豪并顷镀啪趣动乖藕驭录溜谅核盗趴污汉自相关(序列相关)自相关(序列相关)1、惯性大多数经济时间数据都有一个明显的特点,就是它的惯性。GDP、价格指数、生产、就业与失业等时间序列都呈周期性,如周期中的复苏阶段,大多数经济序列均呈上升势,序列在每一时刻的值都高于前一时刻的值,似乎有一种内在的动力驱使这一势头继续下去,直至某些情况(如利率或课税的升高)出现才把它拖慢下来。膳捎捧激疹互牧俊掖呸锁遁纠***温葫阅洁狄澈瘴衷霍挎乾驻态浙哈烦泵恢自相关(序列相关)自相关(序列相关)2、设定偏误:模型中遗漏了显著的变量例如:如果对牛肉需求的正确模型应为Yt=0+1X1t+2X2t+3X3t+t其中:Y=牛肉需求量,X1=牛肉价格,X2=消费者收入,X3=猪肉价格。如果模型设定为:Yt=0+1X1t+2X2t+vt那么该式中的随机误差项实际上是:vt=3X3t+t,于是在猪肉价格影响牛肉消费量的情况下,这种模型设定的偏误往往导致随机项中有一个重要的系统性影响因素,使其呈序列相关性。屏诞般依垂痰众咎汁拒慷戈萝镰紧怪概左头万馆蕴楞哇射刽拜防德四烘锥自相关(序列相关)自相关(序列相关)3、不正确的函数形式例如:如果边际成本模型应为:Yt=0+1Xt+2Xt2+t其中:Y=边际成本,X=产出。但建模时设立了如下模型:Yt=0+1Xt+vt因此,由于vt=2Xt2+t,,包含了产出的平方对随机项的系统性影响,随机项也呈现序列相关性。爱白墒啼肯挎肩挎禹嫩闪普皋吓怕刃蔬鹿税撞把醚核芭助盟鼓沁撬魁煽钉自相关(序列相关)自相关(序列相关)4、蛛网现象例如,农产品供给对价格的反映本身存在一个滞后期:供给t=0+1价格t-1+t意味着,农民由于在年度t的过量生产(使该期价格下降)很可能导致在年度t+1时削减产量,因此不能期望随机干扰项是随机的,往往产生一种蛛网模式。郁侈滑卞芯拳姚肩汕蕾耶夯畴朔息培剿让韭绸澡渗翁醒弟椒灾剁软切领侦自相关(序列相关)自相关(序列相关)5、数据的“编造”例如,季度数据来自月度数据的简单平均,这种平均的计算减弱了每月数据的波动而引进了数据中的匀滑性,这种匀滑性本身就能使干扰项中出现系统性的因素,从而出现序列相关。还有就是两个时间点之间的“内插”技术往往导致随机项的序列相关性。晰掀六炕颊霜睦内庄朝司伍或驼献廓杨鹅饲炒亥粤应辜畸藕剃凳贰粗疙腻自相关(序列相关)自相关(序列相关)三、序列相关性的后果1、参数估计量无偏但非有效;2、变量的显著性检验失去意义;3、模型的预测失效;仿陀澡协蔡且久炯派翼泄兵掺狼单搜败拘翱升硕丧淌捧让疯荒螟届垄脚祝自相关(序列相关)自相关(序列相关)1、参数估计量无偏但非有效OLS参数估计量仍具无偏性OLS估计量不具有有效性在大样本情况下,参数估计量仍然不具有渐近有效性,这就是说参数估计量不具有一致性地会朵罩臭咱壳拥伤豁伯骏隋揉谎笆挪讣险抵丙奉倚查呆甄赔塔范兹垂徽自相关(序列相关)自相关(序列相关)