序列相关的检验和修正
- 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)。
序列相关的检验及修正
例题:中国居民总量消费函数 数据:
1、 建立回归模型,模型的OLS 估计 t t t X Y μββ++=10
(1)录入数据
打开EViews6,点“File ”→“New ”→“Workfile ”
选择“Dated-regular frequency”,在Frequency 后选择“Annual”,在Start data后输入1978,在End data 后输入2006,点击“ok”。
在命令行输入:DATA X Y,回车
将数据复制粘贴到Group中的表格中:
(2)估计回归方程
在命令行输入命令:LS Y C X,回车
或者在主菜单中点“Quick” “Estimate Equation”,在Specification中输入Y C X,点“确定”。得到如下输出:
写出估计结果:
X Y 4375.028.2091ˆ+=
(6.243) (47.059) 2
R =0.9880 =2
R
0.9875 F=2214.537 D.W.=0.277
2、 序列相关的检验 (1) 图示检验法 作残差序列的时序图:
保存残差虚列: GENR E=RESID 作图: PLOT E
从图上可以看出,模型的最小二乘残差开始连续几期小于0,接着连续几期都大于0,这种模式的残差意味着模型可能存在正的序列相关性。
做t
e ~和1~-t e 的关系图: SCAT E(-1) E
从上面的散点图可以看出,t e ~和1~-t e 之间可以拟合一个线性模型: t
e ~=t t e ερ+-1~ 且回归直线的斜率为正(ρ>0),表明模型存在正的序列相关性。
(2)DW 检验
由OLS 估计的结果可知:D.W.=0.277。查DW 分布的临界值表,k=2,n=29时,L d =1.34,
U d =1.48,显然0<0.277 (3)回归检验法 拟合模型:t e ~=t t e ερ+-1~,并运用OLS 估计模型:LS E E(-1) 得到如下结果: 写出回归结果: 1 ~949.0ˆ~-=t t e e (8.148) 回归系数的t 统计量为8.148,伴随概率P=0.0000<α=0.05,表明原模型存在一阶序列相关。 拟合模型:t e ~=t t t e e ερρ++--2211~~,并运用OLS 估计模型:LS E E(-1) E(-2) 得到如下结果: 写出回归结果: 2 1~864.0~659.1ˆ~---=t t t e e e (10.895) (-5.567) 回归系数 和的t 统计量分别为10.895、-5.567,相应的伴随概率P=0.0000<α=0.05, 表明原模型存在二阶序列相关。 拟合模型:t e ~=112233t t t t e e e ρρρε---+++ , 并运用OLS 估计模型:LS E E(-1) E(-2) E(-3),回车,得到如下结果: 写出回归结果: 123ˆ 1.4950.4740.286t t t t e e e e ---=-- (7.280) (-1.277) (-1.182) 回归系数的t 统计量为7.280,相应的伴随概率P1=0.0000<α=0.05,表明 显著不 为零,但 和 的t 统计量分别为-1.277、-1.182,相应的伴随概率P2=0.2144,P3=0.2491, 均大于α=0.05,表明原模型不存在三阶序列相关。 综上,原模型有二阶序列相关。 (4)LM 检验 首先采用OLS 估计模型,在弹出的Equation 窗口,点View →Residual Tests →Serial correlation LM Test…,弹出下面的对话框: 点“OK ”。得到下面的输出: 从上面的输出可知:LM=23.65686,Prob.Chi-Square(2)=0.0000,小于α=0.05,且辅助回归中RESID(-1)和RESID(-2)的系数均显著不为0(对应t统计量的P值均小于0.05),说明模型具有2节序列相关。 在Equation窗口,点View→Residual Tests→Serial corre lation LM Test…,在弹出的对话框里将滞后阶数改为3: 点“OK”。得到下面的输出: 这时,LM=23.96054,Prob.Chi-Square(2)=0.0000,小于 =0.05,但辅助回归中RESID(-2)和RESID(-3)的系数不显著(对应t统计量的P值均大于0.05),说明模型仅存在2阶序列相关,不具有3阶的序列相关。 3、序列相关的修正 (1)广义差分法 已知模型具有2阶序列相关,在命令行输入命令: LS Y C X AR(1) AR(2) 回车 得到下面的输出: 写出修正后的模型: (0.049) (4.309) (6.526) (-1.681) (2)序列相关稳健估计法 在主菜单中点“Quick” “Estimate Equation”,在Specification中输入Y C X,然后点击“Options”,在弹出的对话框里选择“Heteroskedasticity consistent coefficient”—— “Newey—West”,点“确定”。