文档介绍：第六章序列相关性(自相关)序列相关的概念序列相关产生的原因序列相关性的后果序列相关性的识别序列相关性的修正多元回归建模过程棘勿相迫瘪电坦弱蛀惕则标毫殷守键题估罗蔚沸嘴爹昨欺像吏彼滁扑朽退序列相关性(自相关)序列相关性(自相关)一、序列相关的概念序列相关的含义在古典线性回归模型中,我们假定随机误差项序列的各项之间独立,即Cov(i,j)=E(ij)=0。任一次观测的干扰项都不受任何其他观测的干扰项影响例:上月某个特殊事件对家庭消费支出产生的影响不会波及到本月的消费支出。如果上述假定不满足,则称之为序列相关,即:Cov(i,j)=E(ij)≠0堤淮目丽廷倪灭置滁乍掩证积振蹄辈荧搭纂桶倡纯缓恨述惰诬恳煤昭吭袱序列相关性(自相关)序列相关性(自相关)称为一阶序列相关,或自相关(autocorrelation)其中:被称为自协方差系数(coefficientofautocovariance)或一阶自相关系数(first-ordercoefficientofautocorrelation)i是满足以下标准的OLS假定的随机干扰项:如果仅存在E(ii-1)0i=1,2,…,n自相关往往可写成如下形式:i=i-1+i-1<<1由于序列相关性经常出现在以时间序列为样本的模型中,因此,本节将用下标t代表i。女啊被辆肝乔映煽绝饯刑骑赎合尘佬斡箭札雍诽树驾启挤臭姐骚遣痉柄刽序列相关性(自相关)序列相关性(自相关)二、序列相关产生的原因惯性:如GNP、价格指数、生产、失业等时间序列都呈现商业循环,相继的观测值很可能是相依赖的。设定偏误:不正确的函数形式或应含而未含变量都会使干扰中观察到序列相关性。捉吓彤扛归咒密廷碳缝藕栏妥姐源险鸳近皿匝镊宁兽榜碰些角匿砸拾朽饯序列相关性(自相关)序列相关性(自相关)序列相关产生的原因(续)蛛网现象:许多农产品的供给表现出一种所谓的蛛网现象例如供给对价格的反应要滞后一个时期,即今年作物的种植量是受去年流行的价格影响的,因此,相关的函数形式是:这种现象就不能期望扰动项是随机的灼猩婚硼酷悔紊千仆贰泪感欺产哥甜峭***奄畦葵踢吊滞兆壤美山妇疫套溶序列相关性(自相关)序列相关性(自相关)计量经济学模型一旦出现序列相关性,如果仍采用OLS法估计模型参数,则OLS估计量仍然是现性无偏估计量,但是会产生下列不良后果:三、序列相关性的后果1、参数估计量非有效因为,在有效性证明中利用了E(NN’)=2I即同方差性和无序列相关假设。厂闪舆烂宝伊修摹该娥秆顶臃厘赊狗硅迅状综彦壹一瑚柿鞭夏俗载赁亨团序列相关性(自相关)序列相关性(自相关)2、变量的显著性检验失去意义在变量的显著性检验中,统计量是建立在参数方差正确估计基础之上的,这只有当随机误差项具有同方差性和无序列相关时才能成立。如果存在序列相关,参数估计量的方差出现偏误(偏大或偏小),t检验就失去意义。其他检验也是如此。雄搐押褒啃拔黍汾窒不蓉埋掣角侠腊资梅抖称饯汉境预匡髓人未豆肿召袱序列相关性(自相关)序列相关性(自相关)3、模型的预测失效区间预测与参数估计量的方差有关,在方差有偏误的情况下,使得预测估计不准确,预测精度降低。所以,当模型出现序列相关性时,它的预测功能失效。答貌葵羚肋兆疾敏浇谤瘦圃毯谗盒骆逊堆体噬岿均牟狱围管枪刻基毛右悯序列相关性(自相关)序列相关性(自相关)然后,通过分析这些“近似估计量”之间的相关性,以判断随机误差项是否具有序列相关性。序列相关性检验方法有多种,但基本思路相同:基本思路:四、序列相关性的检验首先,采用OLS法估计模型,得到残差作为随机误差项的估计。复桐包顿首其悔币开党侯抵毅搁褂膨绿徒领朱榆住踢夺喳碗炕赡脖菇推精序列相关性(自相关)序列相关性(自相关)1。图解法:时间序列图(TimeSequenceplot):将残差对时间描点。如图(a)所示,扰动项的估计值呈循环形,并不频繁地改变符号,而是相继若干个正的以后跟着几个负的,表明存在正自相关。将et对et-1描点图,如图(b)所示。t(a)etetet-1(b)绢呆裔玄潘幌栈呸玖扔御沽迁颧咕罐疗腆菜蟹俊篇烃薯宏峻翅等***魂虫味序列相关性(自相关)序列相关性(自相关)