计量经济学 自相关性
计量经济学：自相关
所以在实际应用中，对于序列相关问题一般只进行D.W.检验。
3、LM检验（或BG检验）
• 此方法不仅适用于一阶自相关检验，也适用于高阶自相关的检验。 • 检验步骤： 1、用OLS对回归模型进行，得到残差序列et；
1、经济变量固有的惯性 大多数经济时间序列数据都有一个明显的特点——惯性，表现为 滞后值对本期值具有影响。
例如：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。
证明：由于 DW
e
t 2
T
t
e t 1
2 t T
2
e
t 1
T
e e
t 2 2 t t 2 T T
T
T
2 t 1
2 e t e t 1
t 2 2 t
T
e
t 1 t 2 2 t 1
T
若样本容量足够大，有 则 e e
t 2 2 t
et2
3、数据的“加工整理”
在实际经济问题中，有些数据是通过已知数据生成的。因此，新生
成的数据与原数据间就有了内在的联系，从而表现出序列相关性。
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平滑性，这种平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。
计量经济学第六章自相关
计量经济学第六章自相关自相关是计量经济学中一种重要的现象，它指的是一个变量与其自己在过去时间点上的相关性。
自相关在实证研究中十分常见，对经济学家来说，了解和掌握自相关性质是至关重要的。
1. 引言自相关作为计量经济学的一项基础概念，是经济学研究中不可或缺的一个重要方法。
自相关性的存在通常会引起回归结果的偏误，而忽略自相关性可能导致估计不准确的结果。
因此，探讨自相关性的性质和应对方法是计量经济学的重点之一。
2. 自相关的定义和表示自相关是指一个变量与其自身在过去时间点上的相关性。
假设我们有一个时间序列数据集，其中变量yt表示一个时间点上的观测值，t表示时间索引。
自相关系数可以通过计算观测值yt与其在过去某一时间点上的观测值yt-k（k为时间滞后期数）的相关性来得到。
数学上，自相关系数可以用公式表示为：ρ(k) = Cov(yt, yt-k) / (σ(yt) * σ(yt-k))其中，ρ(k)表示第k期的自相关系数，Cov表示协方差，σ表示标准差。
3. 自相关性的性质自相关性具有以下几个性质：3.1 一阶自相关性一阶自相关性是指变量值yt与前一期的观测值yt-1之间的相关性。
一阶自相关系数ρ(1)通常用来检验时间序列数据是否存在自相关性。
若ρ(1)大于零且显著，则表明存在正的一阶自相关性；若ρ(1)小于零且显著，则表明存在负的一阶自相关性。
3.2 高阶自相关性除了一阶自相关性，时间序列数据还可能存在高阶自相关性。
高阶自相关性是指变量值yt与过去第k期的观测值yt-k之间的相关性。
通过计算不同滞后期的自相关系数ρ(k)，可以了解数据在不同时间跨度上的自相关性情况。
3.3 异方差自相关性异方差自相关性是指时间序列数据中的方差不仅与自身相关，还与过去观测值的相关性有关。
异方差自相关性可能导致在回归分析中的标准误差失效，从而产生无效的回归结果。
因此，在处理存在异方差自相关性的数据时要采取合适的修正方法。
4. 自相关性的检验方法在实证研究中，经济学家通常使用多种方法来检验数据中的自相关性，常用的方法包括：4.1 Durbin-Watson检验Durbin-Watson检验是一种常用的检验自相关性的方法，其基本思想是通过检验误差项的相关性来判断自相关是否存在。
南开大学计量经济学第6章自相关
经济模型中最常见的是一阶自回归形式。
T
ut ut1
依据 OLS 公式，模型 ut = 1 ut -1 + vt 中1 的估计公式是
aˆ1
=
t=2 T
。
ut12
t=2
若把 ut, u t-1 看作两个变量，则它们的相关系数是 ˆ =
T
ut ut1
t=2
。
T
T
ut 2
u t 1 2
（2）样本容量T
21 1.22 1.42 1.13 1.54 1.03 1.67 0.93 1.81 0.83 1.96
22 1.24 1.43 1.15 1.54 1.05 1.66 0.96 1.80 0.86 1.94 （3）原回归模型中解 23 1.26 1.44 1.17 1.54 1.08 1.66 0.99 1.79 0.90 1.92 释变量个数k（不包括
《Econometrics》 《计量经济学》
攸频
nkeconometrics126 南开大学经济学院数量经济研究所
第六章 自相关
Autocorrelation
§6.1 基本概念、类型及来源 §6.2 自相关的后果 §6.3 自相关的检验（DW检验、LM检验） §6.4 自相关的修正（GLS） §6.5 案例
同理，Cov(ut, ut - s) = s Var(ut)
自相关的表现形式
§6.1.3 自相关的来源
（1）惯性 大多数经济时间数据都有一个明显的特点，即
具有惯性。 如：经济周期
棘轮效应
（2）设定偏误：模型中遗漏了显著的变量
例如：如果对羊肉需求的正确模型应为
Yt=b0+b1X1t+b2X2t+b3X3t+ut
计量经济学第5讲 自相关性
数据的“编造” 3、数据的“编造”
在实际经济问题中，有些数据是通过已知数据 生成的。 因此，新生成的数据与原数据间就有了内在的 联系，表现出自相关性。 例如：季度数据 季度数据来自月度数据的简单平均，这 季度数据 种平均的计算减弱了每月数据的波动性，从而使 随机干扰项出现序列相关。 还有就是两个时间点之间的“内插 内插”技术往往 内插 导致随机项的自相关性。
如何得到矩阵 如何得到矩阵？
对的形式进行特殊设定后，才可得到其估计值。 如设定随机扰动项为一阶序列相关形式 i=ρi-1+εi 则 1 ρ ρ
σε ρ Cov (μ, ′) = μ 1 ρ 2 n 1 ρ
2
1
ρ n2
0 0 1 0 0
ρ = σ 2Ω 1
给定α，查临界值χα2(p)，与LM值比较，做出判断， 实际检验中，可从1阶、2阶、…逐次向更高阶检验。
四、自相关性的解决方法 如果模型被检验证明存在自相关性，则 需要发展新的方法估计模型。 最常用的方法是广义最小二乘法 广义最小二乘法（GLS: 广义最小二乘法 Generalized least squares）和广义差分法 广义差分法 (Generalized Difference)。
不 能 确 定
4－dU <D.W.<4－ dL 不能确定
负 相 关
0
dL
dU
2
4-dU 4-dL
当D.W.值在2左右时，模型不存在一阶自相关。 证明： 证明： 展开D.W.统计量：
D.W . = ~ ~ ~~ ∑ et 2 + ∑ et 21 2∑ et et 1
t =2 t =2 t =2 n n n
变换原模型： D-1Y=D-1X β +D-1 即 Y*=X*β + * (*) 该模型具有同方差性和随机误差项互相独立性： 该模型具有同方差性和随机误差项互相独立性
计量经济学第六章-自相关资料
1、时间顺序图—将残差对时间描点
e
e
a
t
b
t
• 如a图所示，扰动项为锯齿型，et随时间变化频繁 地改变符号，表明存在负自相关。
• 如b图所示，扰动项为循环型，et随时间变化不频 繁地改变符号，而是几个正之后跟着几个负的，
几个负之后跟着几个正的，表明存在正自相关。
2、绘制残差et, et-1的图形
• 自相关按形式可分为两类。 • （1）一阶自回归形式
• 当误差项ut只与其滞后一期值有关时，即
ut f (ut1) vt
• 称ut具有一阶自回归形式。
• (2) 高阶自回归形式
• 当误差项ut的本期值不仅与其前一期值有关，而且
与其前若干期的值都有关系时，即
ut f (ut1, t2 ,) vt
• 模型设定偏误： 若所用的数学模型与变量间的真实关系不一致， 误差项常表现出自相关。比如平均成本与产量呈抛 物线关系，当用线性回归模型拟合时，误差项必存 在自相关。
• 回归模型中略去了带有自相关的重要解释变量。 若丢掉了应该列入模型的带有自相关的重要解释变量 ，那么它的影响必然归并到误差项ut中，从而使误差 项呈现自相关。当然略去多个带有自相关的解释变量 ，也许因互相抵消并不使误差项呈现自相关。
=
u2 (xt x)2
当 ut 为一阶自回归形式时
Var ( ˆ1) =
u2 (xt x)2
+2 u 2
ts
(xt (
x)(xs x) s-t (xt x)2 )2
3、参数显著性t检验失效
低估了2，也低估了bi的方差和标准差,等于
夸大了T值，使t检验失去意义
4、降低预测可信度度
参数估计值不具有最小方差性，使预测区间的可信度降低。 所以用依据普通最小二乘法得到的回归方程去预测，预测是无效的。
计量经济学：自相关
Yt = 1 + 2 X 2t + 3 X 3t + ut
而建立模型时，模型设定为: Yt = 1 + 2 X 2t + ut 则 X 3t 对 Y 的影响便归入随机误差项 ut 中，由 t 于 ut 在不同观测点上是相关的，这就造成了 在不同观测点是相关的，呈现出系统模式，此 时 ut 是自相关的。
St 1 2 P t 1 ut
6-12
原因5－模型设定偏误
如果模型中省略了某些重要的解释变量或者模型 函数形式不正确，都会产生系统误差，这种误差 存在于随机误差项中，从而带来了自相关。由于 该现象是由于设定失误造成的自相关，因此，也 称其为虚假自相关。
6-13
例如，应该用两个解释变量，即:
6-14
模型形式设定偏误也会导致自相关现象。如将 形成本曲线设定为线性成本曲线，则必定会导致
自相关。由设定偏误产生的自相关是一种虚假自
相关，可通过改变模型设定予以消除。
自相关关系主要存在于时间序列数据中，但是在
横截面数据中，也可能会出现自相关,通常称其
为空间自相关（Spatial auto correlation）。
体回归模型(PRF)的随机项为 如果自相关形式为 其中 为自相关系数， v 为经典误差项，即 t
E(vt ) 0 , Var(vt ) , Cov(vt , vt+s ) 0 , s 0
2
u1 , u2 ,..., un，
ut = ut -1 + vt
- 1< < 1
6-9
原因2－ 经济活动的滞后效应
滞后效应是指某一指标对另一指标的影响不仅 限于当期而是延续若干期。由此带来变量的自 相关。 例如，居民当期可支配收入的增加，不会使居 民的消费水平在当期就达到应有水平，而是要 经过若干期才能达到。因为人的消费观念的改 变客观上存在自适应期。
【总结】计量经济学异方差性、多重共线性、自相关的联系与区别知识总结
《计量经济学》中多重共线性、异方差性、自相关三者之间的联系与区别首先我们先来回顾一下经典线性回归模型的基本假设：1、为什么会出现异方差性我们可以从一下两方面来分析：第一，因为随即误差项包括了测量误差和模型中被省略的一些因素对因变量的影响；第二，来自不同抽样单元的因变量观察值之间可能差别很大。
因此，异方差性多出现在截面样本之中。
至于时间序列，则由于因变量观察值来自不同时期的同一样本单元，通常因变量的不同观察值之间的差别不是很大，所以异方差性一般不明显。
含义及影响:y=X β+ε，var(εi )var(εj ), ij ，E(ε)=0，或者记为212200['|]0000n E X σεεσσ⎛⎫⎪=Ω= ⎪ ⎪⎝⎭即违背假设3。
用OLS 估计，所得b 是无偏的，但不是有效的。
111(')'(')'()(')'b X X X y X X X X X X X βεβε---==+=+由于E(ε)=0，所以有E(b )=β。
即满足无偏性。
但是，b 的方差为1111121var(|)[()()'][(')''(')|] (')'['|](') (')'()(')b X E b b E X X X X X X X X X X E X X X X X X X X X X ββεεεεσ------=--===Ω其中212200['|]0000n E X σεεσσ⎛⎫⎪=Ω= ⎪ ⎪⎝⎭2、自相关产生的原因：（1）、经济数据的固有的惯性带来的相关 （2）、模型设定误差带来的相关 （3）、数据的加工带来的相关 含义及影响:cov(,)0,i j i j εε≠≠影响：和异方差一样，系数的ls 估计是无偏的，但不是有效的。
D －W 检验（Durbin －Watson ）221212222121212222112112122211221122121()()()2()()222222(1)n i i i n i i n n n i i i i i i i n i i n n n i i i i i i i n n i i n i i i nn n i i i i nn i ie e d e e e e e e e e e e e e e e e e e e e e e e ρρ=-===-=-====-==-===∑-=∑∑+∑-∑=∑∑+∑-∑--=∑∑+=--∑∑+=--∑≈-其中2121n i i i n i ie e e ρ=-=∑=∑是样本一阶自相关函数。
计量经济学 第六章 自相关性
第六章自相关性6.1 自相关性：6.1.1. 非自相关假定由第2章知回归模型的假定条件之一是，Cov(u i, u j) = E(u i u j) = 0, (i, j∈T, i≠j), (6.1)即误差项u t的取值在时间上是相互无关的。
称误差项u t非自相关。
如果Cov (u i,u j ) ≠ 0, (i≠j)则称误差项u t存在自相关。
自相关又称序列相关。
原指一随机变量在时间上与其滞后项之间的相关。
这里主要是指回归模型中随机误差项u t与其滞后项的相关关系。
自相关也是相关关系的一种。
6.1.2．一阶自相关自相关按形式可分为两类。
(1)一阶自回归形式当误差项u t只与其滞后一期值有关时，即u t = f (u t - 1) + v t称u t具有一阶自回归形式。
(2) 高阶自回归形式当误差项u t的本期值不仅与其前一期值有关，而且与其前若干期的值都有关系时，即u t = f (u t– 1, u t– 2 , …u t– p ) + v t则称u t具有P阶自回归形式。
通常假定误差项的自相关是线性的。
因计量经济模型中自相关的最常见形式是一阶自回归形式，所以下面重点讨论误差项的线性一阶自回归形式，即u t = α1 u t -1 + v t(6.2)其中α1是自回归系数，v t 是随机误差项。
v t 满足通常假设E(v t) = 0, t = 1, 2 …,T,Var(v t) = σv2, t = 1, 2 …,T,Cov(v i , v j ) = 0, i ≠ j , i , j = 1, 2 …, T , Cov(u t -1, v t ) = 0, t = 1, 2 …, T ,依据普通最小二乘法公式，模型（6.2）中 α1 的估计公式是，1ˆa= ∑∑=-=-Tt t Tt t t u u u 22121(1ˆβ=∑---2)())((x x x x y y t t t ) (6.3)其中T 是样本容量。
计量经济学-第12章 自相关
但我们拟合了以下模型：
边际成本 i
1
2
产出 i
vi
于是有：
vi
产出2
3
i
ui
(12.1.4) (12.1.5)
由于函数形式的错误使用，残差将反映出自相关性质
蛛网现象（Cobweb phenomenon）
供给对价格的反应要滞后一个时期
供给 t
1
价格
2
t 1
ut
(12.1.6)
t期产量太多，则t期价格下降，从而t+1期产量减少
滞后效应
在消费支出对收入的时间序列回归中，当期消费还 会受到前期消费水平的影响：
消费 t
1
2收入t
3消费t1
ut
(12.1.7)
这种带有因变量的滞后值的回归也叫自回归“编造”
从月度数据计算得出季度数据，会减小波动，引进 匀滑作用，使扰动项出现系统性模式
并获得具有BLUE性质的估计量
— —这种方法即GLS
未知
一次差分法：因为 落在-1到+1之间，
当 = +1时，广义差分方程（12.6.5)便化为一阶差
分方程：
或：
Yt Yt1 2 ( X t X t1 ) (ut ut1 )
2 ( X t X t1 ) t
xt2
xt2
n
xt2
t 1
n
xt2
t 1
n t 1
xt2
对照：没有自相关情形：
(12.2.5) (12.2.6)
var( 2 )
计量经济学EVIEWS自相关检验与修正
一、数据来源
数据：国家统计局（1981~2010年国内生产总值与固定资产投资）软件版本：EVIEWS7.2
二、回归结果
1、一元线性回归：
三、模型诊断与修正
DW检验：相关系数δ=0.8546，查表得，
1.35
1.49
L
U
d
d
=
=
经检验，DW<1.35,自变量呈一阶正自
相关
四、广义差分法修正后的结果
对E 进行滞后一期的自回归，可得回归方程：E=0.9337E(-1)
对原模型进行广义差分，输出结果为：
**ˆˆ6981.723 1.002749t t y x =+
由于使用广义差分数据，样本容量减少了1个，为29个。
查5%的显著性水平的DW
统计表可知， 1.341.48
L U d d ==，模型中的4-DU>DW>DU ，所以广义差分模型已无序列相关。
根据()1ˆˆ16981.723βρ-=，可得1
ˆ=105305.023β。
因此，原回归模型应为 105305.023 1.002749t t y x =+
采用普莱斯-文斯滕变换后第一个观测值变为211y δ-为1750.7019和211x δ-为344.1377，变换后普通最小二乘结果为**ˆˆ7555.503 1.0611t t y
x =+，根据()1ˆˆ17555.503βρ-=，得1
ˆ=113959.321β，由此，最终模型是 ˆ113959.321 1.0611t t y
x =+。
《计量经济学》习题及答案
《计量经济学》习题及答案（解答仅供参考）第一套一、名词解释：1. 计量经济学：计量经济学是经济学的一个分支，它使用数学和统计学的方法，对经济现象进行量化分析，建立经济模型，预测和解释经济行为和现象。
2. 异方差性：在回归分析中，如果误差项的方差随自变量的变化而变化，这种现象称为异方差性。
3. 自相关性：在时间序列分析中，如果一个变量的当前值与它的过去值存在相关性，这种现象称为自相关性。
4. 多重共线性：在多元回归分析中，如果两个或多个自变量之间高度相关，这种现象称为多重共线性。
5. 随机抽样：随机抽样是一种统计抽样方法，每个样本单位都有一定的概率被选入样本，且各个样本单位之间的选择是独立的。
二、填空题：1. 在线性回归模型中，参数估计的常用方法是______最小二乘法______。
2. 如果一个变量的分布是对称的，那么它的偏态系数应该接近于______0______。
3. 在时间序列分析中，______平稳性______是进行预测的前提条件之一。
4. ______工具变量法______是处理内生性问题的一种常用方法。
5. 如果一个经济变量的变化完全由其他经济变量的变化所决定，那么这个变量被称为______外生变量______。
三、单项选择题：1. 下列哪种情况可能导致异方差性？（B）A. 自变量和因变量之间存在非线性关系B. 自变量的某些组合导致误差项的方差增大C. 因变量和误差项之间存在相关性D. 样本容量过小2. 在进行回归分析时，如果发现数据存在多重共线性，以下哪种方法可以解决这个问题？（C）A. 增加样本容量B. 使用非线性模型C. 删除相关性较强的自变量D. 对自变量进行标准化3. 下列哪种情况可能会导致自相关性？（A）A. 时间序列数据中存在滞后效应B. 因变量和某个自变量之间存在非线性关系C. 样本容量过小D. 自变量之间存在多重共线性四、多项选择题：1. 下列哪些是计量经济学的基本假设？（ABCD）A. 线性关系假设B. 零均值假设C. 同方差性假设D. 无自相关性假设E. 正态性假设2. 下列哪些是处理内生性问题的方法？（ACD）A. 工具变量法B. 加权最小二乘法C. 两阶段最小二乘法D. 广义矩估计法E.岭回归法五、判断题：1. 在进行回归分析时，如果自变量和因变量之间不存在线性关系，那么回归结果将没有任何意义。
第五讲 自相关性
第5章 自相关性5.1 自相关性及其产生的原因5.1.1 什么是自相关性对于模型：t kt k t t t u x b x b x b b y +++++= 22110 (5.1.1)如果随机误差项的各期值之间存在着相关关系，即协方差0)())())(((),cov(≠=--=s t s s t t s t u u E u E u u E u E u u （s t ≠，k s t ,2,1,=）这时，称随机误差项之间存在自相关性或序列相关(Autocorrelation or serial correlation)。
随机误差项的自相关性可以有多种形式，其中最常见的类型是随机误差项之间存在一阶自相关性或一阶序列相关：0)(),cov(11≠=--t t t t u u E u u ，或者：)(1-=t t u f u 。
一阶自相关性可以表示为t t t v u u +⋅=-1ρ (5.1.2)其中ρ是t u 与1-t u 的一阶自相关系数，t v 是满足回归模型基本假定的随机误差项。
因为在大样本情况下，根据OLS 原理，ρ的OLS 估计式为：∑∑--=211ˆt t tuuu ρ（0)(=t u E ）而t u 和1-t u 之间的相关系数r 为：∑∑∑--=2121t tt t uu u u r ≈ρˆ211=∑∑--t t tuu u （在大样本情况下，∑∑-≈212t t u u ） 因此，可以认为ρ是t u 与1-t u 的一阶自相关系数。
1≤ρ，1=ρ表示完全正自相关，t t t v u u +=-1；10〈〈ρ表示正自相关；0=ρ表示不存在自相关，t t v u =；01〈〈-ρ表示负自相关；1-=ρ表示完全负自相关，t t t v u u +-=-1。
自相关性的一般形式可以表示成：),,,(21p t t t t u u u f u ---= ，或者：t p t p t t t v u u u u ++++=---ρρρ 2211 (5.1.3)称之为p 阶自回归形式，或模型存在p 阶自相关。
计量经济学知识点
计量经济学知识点计量经济学是一门融合了经济学、统计学和数学的交叉学科，它运用数学和统计方法来分析经济数据，从而揭示经济现象之间的数量关系和规律。
以下将为您介绍一些计量经济学的重要知识点。
一、回归分析回归分析是计量经济学的核心方法之一。
简单线性回归模型是最基础的形式，它假设因变量（Y）与一个自变量（X）之间存在线性关系，可以用方程 Y ＝β₀＋β₁X ＋ε 来表示。
其中，β₀是截距，β₁是斜率，ε 是随机误差项。
在进行回归分析时，我们需要估计参数β₀和β₁。
常用的估计方法是最小二乘法，其目标是使残差平方和最小。
通过计算得到的回归系数可以解释自变量对因变量的影响程度。
多元线性回归则是将简单线性回归扩展到多个自变量的情况，模型变为 Y ＝β₀＋β₁X₁＋β₂X₂＋… ＋βₖXₖ ＋ε。
回归分析还需要进行一系列的检验，包括模型的拟合优度检验（如R²统计量）、变量的显著性检验（t 检验）和整体模型的显著性检验（F 检验）等。
二、异方差性异方差性是指误差项的方差不是恒定的，而是随着自变量的取值不同而变化。
这会导致最小二乘法估计的有效性受到影响。
为了检测异方差性，可以使用图形法（如绘制残差图）或统计检验方法（如怀特检验）。
如果发现存在异方差性，可以采用加权最小二乘法等方法进行修正。
三、自相关性自相关性指的是误差项在不同观测值之间存在相关性。
常见的自相关形式有正自相关和负自相关。
自相关性会使估计的标准误差产生偏差，影响参数估计的有效性和假设检验的结果。
常用的检测方法有杜宾瓦特森检验。
解决自相关问题可以采用广义差分法等方法。
四、多重共线性多重共线性是指自变量之间存在较强的线性关系。
这会导致回归系数估计值不稳定，难以准确解释变量的影响。
可以通过计算方差膨胀因子（VIF）来判断是否存在多重共线性。
解决多重共线性的方法包括删除相关变量、增大样本容量或使用岭回归等方法。
五、虚拟变量虚拟变量常用于表示定性的因素，例如性别、季节、地区等。
庞皓《计量经济学》笔记和课后习题详解(自相关)【圣才出品】
第6章 自相关6.1 复习笔记考点一：什么是自相关 ★★★1．自相关的概念自相关又称序列相关，是指总体回归模型的随机误差项u i 之间存在相关关系的一种现象。
在古典假定中假设随机误差项是无自相关的，即：Cov （u i ，u j ）＝E （u i u j ）＝0（i ≠j ）。
如果该假定不能满足，就称u i 与u j 存在自相关，即不同观测点上的误差项彼此相关。
自相关系数可用来表示自相关的程度。
随机误差项u t 与滞后一期的u t －1的自相关系数ρ的计算公式为：1nt t u uρ-=∑式中u t －1是u t 滞后一期的随机误差项，因此上式计算的自相关系数ρ称为一阶自相关系数。
自相关系数ρ的取值范围为－1≤ρ≤1。
如果ρ＜0，则u t 与u t －1间存在负相关关系；如果ρ＞0，则u t 与u t －1间存在正相关关系；如果ρ＝0，则u t 与u t －1不相关。
2．自相关产生的原因（见表6-1）表6-1 自相关产生的原因自相关关系主要存在于时间序列数据中，但是在横截面数据中也可能会出现，通常称横截面数据中出现的自相关为空间自相关。
多数经济时间序列在较长时间内都表现为上升或下降的趋势，因此大多表现为正自相关。
但就自相关本身而言，既有正相关也有负相关。
3．自相关的表现形式（1）一阶自相关随机误差项的一阶自相关形式为：u t＝ρu t－1＋v t（－1＜ρ＜1）。
其中，ρ为自相关系数；v t为满足古典假定的误差项，即E（v t）＝0，Var（v t）＝σ2，Cov（v t，v t＋s）＝0，s ≠0。
一阶自回归形式记为AR（1），相应的式中的ρ称为一阶自相关系数。
（2）m阶自相关如果一阶自相关中的随机误差项v t是不满足古典假定的误差项，即v t中包含有u t的成分，如包含有u t－2，…，u t－m的影响，则需将u t－2，…，u t－m包含在回归模型中，即：u t＝ρ1u t －1＋ρ2u t －2＋…＋ρm u t －m ＋v t 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
信息与管理科学学院管理科学系
实验报告
课程名称：计量经济学
实验名称：自相关性
实验四自相关性
【实验目的】
掌握自相关性的检验与处理方法。
输入数据
建立相关图分析
SCA T X Y
相关图表明，GDP指数与居民储蓄存款二者的曲线相关关系较为明显。
现将函数初步设定为线性、双对数、对数、指数、二次多项式等不同形式，进而加以
比较分析。
⒉估计模型，利用LS 命令分别建立以下模型 ⑴ 性模型： LS Y C X
x y 3516.17579.62251ˆ+-=
=t (-9.562907) (33.33077)
2R ＝0982316 F ＝1110.940 S.E ＝15601.32 ⑵双对数模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX
x y
ln 745154.1599962.0ˆln +-= =t (-1.606928) (31.85715)
2R ＝0。
980674 F ＝1014.878 S.E ＝0.156745 （3）对数模型 Genr lnx=log （x ） LS Y C LNX
x y ln 4.1709151035947ˆ+-=
=t (-10.23552) (11.50944)
2R ＝0.868824 F ＝132.4672 S.E ＝42490.60 ⑷指数模型 Genr lny=log （y ）
LS LNY C X
x y 001581.0565712.9ˆln +=
=t (55.06567) (11.25570)
2R ＝0.863659 F ＝126.6908 S.E ＝0.416328 ⑸二次多项式模型 GENR X2=X^2 LS Y C X X2
2037779.084760.7754.16271ˆx x y +--=
=t (-2.432474) (6.131657) (7.856890)
2R ＝0.995838 F ＝2273.040 S.E ＝7765.275 线性模型
⑵双对数模型
指数模型
二次多项式模型
⒊选择模型
比较以上模型，可见各模型回归系数的符号及数值较为合理。
各解释变量及常数项都通过了t检验，模型都较为显著。
除了对数模型和二次多项式的拟合优度较低外，其余模型都具有高拟合优度，因此可以首先剔除对数模型和二次多项式。
比较各模型的残差分布表。
线性模型的残差在较长时期内呈连续递减趋势而后又转为连续递增趋势，指数模型则大体相反，残差先呈连续递增趋势而后又转为连续递减趋势，因此，可以初步判断这两种函数形式设置是不当的。
而且，这
两个模型的拟合优度也较双对数模型和二次多项式模型低，所以又可舍弃线性模型和指数模型。
双对数模型和二次多项式模型都具有很高的拟合优度，因而初步选定回归模型为这两个模型。
二、自相关性检验 ⒈DW 检验； ⑴ 双对数模型
因为n ＝22，k ＝2，取显著性水平α＝0.05时，查表得L d ＝1.24，U d ＝ 1.43，而0<0.213899＝DW<L d ，0<0.213899＝DW<L d 。
⑵二次多项式模型
L d ＝1.24U d ＝1.43，0<1.104007＝DW<L d ， 0<0.213899＝DW<L d
⒉偏相关系数检验
在方程窗口中点击View/Residual Test/Correlogram-Q-statistics ，并输入滞后期为10，则会得到残差t e 与1021,,---t t t e e e 的各期相关系数和偏相关系数， 双对数模型的偏相关系数检验
二次多项式模型的偏相关系数检验
双对数模型的第1期偏相关系数的直方块超过了虚线部分，存在着一阶自相关。
二次多项式模型仅存在一阶自相关。
⒊BG检验
在方程窗口中点击View/Residual Test/Series Correlation LM Test，并选择滞后期为1
双对数模型
图中，2nR =7.395636，临界概率P=0.024778，因此辅助回归模型是显著的，即存在自相关性。
因为1-t e ，2-t e 的回归系数均显著不为0，说明双对数模型存在
一阶和二阶自相关性。
⒉对二次多项式模型进行调整；
键入命令：
LS Y C X X2 AR(2)
加上ar1 2调整后不存在自相关性，但仅有AR(2)项调整后用偏相关系数检验仍然存在2阶和6阶自相关，且BG 检验结果与偏相关系数检验结果不同，且BG 检验滞后期不同，结果不同。
⒊从双对数模型和二次多项式模型中选择调整结果较好的模型。
二次多项式
图中，2nR =6.311844，临界概率P=0.042599，因此辅助回归模型是显著的，即存在自相关性。
因为1-t e ，2-t e 的回归系数均显著不为0，说明双对数模型存在
一阶和二阶自相关性。
四、重新设定双对数模型中的解释变量：
模型1：加入上期储蓄LNY(-1)；
模型2：解释变量取成：上期储蓄LNY(-1)、本期X 的增长DLOG(X)。
⒈检验自相关性；
⑴模型1
键入命令：
LS LNY C LNX LNY(-1)
表明了DW=1.282335，n ＝22，k ＝3，查表得L d ＝1.15，U d ＝1.54，而L d <1.282335＝DW<U d ，属于无法判定区域。
采用偏相关系数检验的结果如图5-22
所示，图中偏相关系数方块均未超过虚线，模型1不存在自相关性。
⑵模型2
键入命令：
GENR DLNX=D(LNX)
LS LNY C LNY(-1) DLNX
表明了DW=1.048513，n ＝22，k ＝3，查表得L d ＝1.17，U d ＝1.54，属于正相关判定区域。
采用偏相关系数检验的结果如图5-24所示，图中偏相关系数方块均未超过虚线，模型2不存在自相关性。
⒉解释模型的经济含义。
⑴模型1
模型1的表达式为：
()1ln 768873.0ln 342236.0420156.0ˆln -++-=y x y
表示上期居民存款余额相对增加1％时，城乡居民存款余额相对增加0.768873％，当GDP 指数的发展速度相对增加1％时，城乡居民存款余额相对增加0.78873％。