《CH序列相關(guān)性》PPT課件

《《CH序列相關(guān)性》PPT課件》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、計量經(jīng)濟(jì)學(xué)—理論·方法·EViews應(yīng)用郭存芝杜延軍李春吉編著電子教案第七章序列相關(guān)性◆學(xué)習(xí)目的通過本章的學(xué)習(xí)，你可以知道什么是序列相關(guān)性，序列相關(guān)性產(chǎn)生的原因是什么，序列相關(guān)性導(dǎo)致什么樣的后果，怎樣檢驗和處理具有序列相關(guān)性的模型?！艋疽?）掌握序列相關(guān)性的概念、序列相關(guān)性的后果和檢驗方法；2）了解廣義最小二乘法和廣義差分法原理；3）能運(yùn)用廣義差分法和廣義最小二乘法估計線性回歸模型。◆序列相關(guān)性及其產(chǎn)生原因◆序列相關(guān)性的影響◆序列相關(guān)性的檢驗◆序列相關(guān)的補(bǔ)救第七章序列相關(guān)性第一節(jié)序列相關(guān)性及其產(chǎn)生原因—、序列相關(guān)性的含義對于多元線性回

2、歸模型(7-1)在其他假設(shè)仍然成立的條件下，隨機(jī)干擾項序列相關(guān)意味著如果僅存在則稱為一階序列相關(guān)或自相關(guān)（簡寫為AR(1))，這是常見的一種序列相關(guān)問題。（7-3）（7-2）自相關(guān)往往可以寫成如下形式：（7-4）其中稱為自協(xié)方差系數(shù)或一階自回歸系數(shù)，是滿足以下標(biāo)準(zhǔn)OLS假定的隨機(jī)干擾項：由于序列相關(guān)性經(jīng)常出現(xiàn)在以時間序列數(shù)據(jù)為樣本的模型中，因此，本節(jié)下面將代表不同樣本點的下表I用t表示。二、序列相關(guān)的原因1．經(jīng)濟(jì)數(shù)據(jù)序列慣性2．模型設(shè)定的偏誤3．滯后效應(yīng)4．蛛網(wǎng)現(xiàn)象5．?dāng)?shù)據(jù)的編造1．經(jīng)濟(jì)數(shù)據(jù)序列慣性GDP、價格指數(shù)、消費等時間序列數(shù)據(jù)通常

3、表現(xiàn)為周期循環(huán)。當(dāng)經(jīng)濟(jì)衰退的谷底開始復(fù)蘇時，大多數(shù)經(jīng)濟(jì)序列開始上升，在上升期間，序列在每一時刻的值都高于前一時刻的值?？磥碛幸环N內(nèi)在的動力驅(qū)使這一勢頭繼續(xù)下去，直至某些情況出現(xiàn)（如利率或稅收提高）才把它拖慢下來。因此，在涉及時間序列的回歸中，相繼的觀測值很可能是相互依賴的。比如：2．模型設(shè)定的偏誤定義：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1：本來應(yīng)該估計的模型為（7-5）但在進(jìn)行回歸時，卻把模型設(shè)定為如下形式：7-6）（丟掉了重要的解釋變量）2．模型設(shè)定的偏誤定義：指所設(shè)定的模型“不正確”

4、，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2：（模型函數(shù)形式有偏誤）（7-7）在成本—產(chǎn)出研究中，如果真實的邊際成本的模型為：其中Y代表邊際成本，X代表產(chǎn)出。（7-8）但是如果建模時設(shè)立了如下回歸模型：3．滯后效應(yīng)考慮一個消費支出對收入進(jìn)行回歸的時間序列模型，人們常常發(fā)現(xiàn)當(dāng)期的消費支出除了依賴其他當(dāng)期收入外，還依賴前期的消費支出，即回歸模型為：（7-9）其中，C是消費，Y是收入。類似（7-9）式的回歸模型被稱為自回歸模型由于心理上、技術(shù)上以及制度上的原因，消費者不會輕易改變其消費習(xí)慣，如果我們忽視（7-9）式中的滯后消

5、費對當(dāng)前消費的影響，那所帶來的誤差項就會體現(xiàn)出一種系統(tǒng)性的模式。注意：4．蛛網(wǎng)現(xiàn)象例如：假定某農(nóng)產(chǎn)品的供給模型為：(7-10)假設(shè)t時期的價格Pt低于t-1時期的價格Pt-1，農(nóng)民就很可能決定在時期t+1生產(chǎn)比t時期更少的東西。顯然在這種情形中，農(nóng)民由于在年度t的過量生產(chǎn)很可能在年度t+1消減他們的產(chǎn)量。諸如此類的現(xiàn)象，就不能期望干擾μt是隨機(jī)，從而出現(xiàn)蛛網(wǎng)式的序列相關(guān)。5．?dāng)?shù)據(jù)的編造新生成的數(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。例如：季度數(shù)據(jù)來自月度數(shù)據(jù)的簡單平均，這種平均的計算減弱了每月數(shù)據(jù)的波動而引進(jìn)了數(shù)據(jù)中的勻滑性，這

6、種勻滑性本身就能使隨機(jī)干擾項中出現(xiàn)系統(tǒng)性的因素，從而出現(xiàn)序列相關(guān)性。利用數(shù)據(jù)的內(nèi)插或外推技術(shù)構(gòu)造的數(shù)據(jù)也會呈現(xiàn)某種系統(tǒng)性的模式。一般經(jīng)驗表明，對于采用時間序列數(shù)據(jù)做樣本的計量經(jīng)濟(jì)學(xué)模型，由于在不同樣本點上解釋變量意外的其他因素在時間上的連續(xù)性，帶來了他們對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。第二節(jié)序列相關(guān)性的影響1．參數(shù)估計量非有效2．隨機(jī)誤差項方差估計量是有偏的3．?dāng)M合優(yōu)度檢驗R2統(tǒng)計量和方程顯著性檢驗F統(tǒng)計量無效4．變量的顯著性檢驗t檢驗統(tǒng)計量和相應(yīng)的參數(shù)置信區(qū)間估計失去意義5．模型的預(yù)測失效1．參數(shù)估計量非有效根據(jù)OL

7、S估計中關(guān)于參數(shù)估計量的無偏性和有效性的證明過程可以看出，當(dāng)計量經(jīng)濟(jì)學(xué)模型出現(xiàn)序列相關(guān)性時，其OLS參數(shù)估計量仍然具有線性無偏性，但不具有有效性。因為在有效性證明中我們利用了（7-11）即同方差和相互獨立性條件。而且在大樣本情況下，參數(shù)估計量雖然具有一致性，但仍然不具有漸近有效性。為了具體說明這一點，我們回到簡單的一元回歸模型（7-12）為方便我們不妨假定干擾項為(7-4)所示的一階序列相關(guān)：(7-13)(7-14)對于干擾項為一階序列相關(guān)的一元回歸模型采用OLS估計，如以前一樣，β1的OLS估計量為：但給定干擾項為一階序列相關(guān)時，的方差

8、估計量現(xiàn)在為：式中為一階序列相關(guān)時的方差。（7-16）把該式與沒有干擾項自相關(guān)情形的通常公式（7-15）相比，可以看出前者等于后者加上另一與自相關(guān)系數(shù)和各期的樣本協(xié)方差有關(guān)的項。2．隨機(jī)誤差項