实验四--自相关性的检验及修正

实验四--自相关性的检验及修正

实验四自相关性的检验及修正

一、实验目的

掌握自相关性的检验与处理方法。

二、实验学时：2

三、实验内容及操作步骤

建立我国城乡居民储蓄存款模型，并检验模型的自相关性。

1.回归模型的筛选

2.自相关的检验

3.自相关的调整

四、实验要求

利用表5-1资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。

年份存款余额Y GDP指数X 年份存款

余额

Y

GDP

指数

X

19919241.6308.2 200286910.6888.5 199211759.4351.5 2003103617.7981.6 199315203.5399.6 2004119555.41084.5 199421518.8452.0 20051410511201.7 199529662.3494.2 2006161587.31361.2 199638520.8544.5 20071725341560.5 199746279.8596.9 20082178851717.8 199853407.5640.6 20092607721861.1 199959621.8691.5 20103033022050.0 200064332.4750.6 2011343635.92228.9

200173762.4811.1

399551

2410.3

2012

【实验步骤】

（一）回归模型的筛选 ⒈相关图分析 SCAT 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线性模型： LS Y C X

x y

4516.17579.62251ˆ+-= =t (-9.5629) (33.3308)

2R ＝0.9823 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 7452.159996.0ˆln +-= =t (-1.6069) (31.8572)

2R ＝0.9807 F ＝1014.878 S.E ＝0.1567 ⑶对数模型：LS Y C LNX

x y

ln 4.1709151035947ˆ+-= =t (-10.2355) (11.5094)

2R ＝0.8688 F ＝132.4672 S.E ＝42490.60 ⑷指数模型：LS LNY C X

x y

001581.05657.9ˆln += =t (55.0657) (11.2557)

2R ＝0.8637 F ＝126.6908 S.E ＝0.4163 ⑸二次多项式模型：GENR X2=X^2 LS Y C X X2

20378.08476.7754.16271ˆx x y

++-= =t (-2.4325) (6.1317) (7.8569)

2R ＝0.9958 F ＝2274.040 S.E ＝7765.275

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。除了对数模型和指数模型的拟合优度较低外，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指数模型。

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因此，可以初步判断这一种函数形式设置是不当的。而且，这个模型的拟合优度也较二次多项式模型低，所以又可舍弃线性模型。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<0.2139＝DW

⑵二次多项式模型

L d ＝1.24，U d ＝1.43，而0<1.104＝DW

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 Λ的各期相关系数和偏相关系数，如图5-11、5-12所示。

图5-1 双对数模型的偏相关系数检验

图5-2 二次多项式模型的偏相关系数检验

从5—1中可以看出，双对数模型的第一期、第二期偏相关系数的直方块超过了虚线部分，存

在着一阶和二阶自相关。图5—2则表明二次多项式模型不存在自相关。

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2，则会得到如图5-3所示的信息。

图5-3 双对数模型的BG 检验

图中，2nR =15.89908，临界概率P=0.0034，因此辅助回归模型是显著的，即存在自相关性。又因为1-t e ，2-t e 的回归系数均显著地不为0，说明双对数模型存在一阶和二阶自相关性。

（三）自相关性的调整：加入AR 项 ⒈对双对数模型进行调整；

在LS 命令中加上AR(1)和AR(2)，使用迭代估计法估计模型。键入命令： LS LNY C LNX AR (1) AR (2)