第六章自相關自相關及其產(chǎn)生原因一階自回歸形式自相關檢驗自相關模型的計量經(jīng)濟方法案例分析第一節(jié)自相關及其產(chǎn)生原因一定義

若Cov(ui,uj)=E(uiuj)=0,i≠j不成立，即線性回歸模型擾動項的方差—協(xié)方差矩陣的非主對角線元素不全為0，則稱為擾動項自相關，或序列相關（SerialCorrelation）。二自相關的原因1．原因自相關主要發(fā)生在時間序列數(shù)據(jù)的情形，因而亦稱為序列相關，主要有以下四種原因：第一，許多經(jīng)濟變量往往存在自相關。第二，在經(jīng)濟計量模型中所包含的解釋變量是若干重要的解釋變量，而那些并非重要的被排除的解釋變量全包含在隨機項u中，而這些被排除的解釋變量中有些存在著自相關，因而引起隨機項u的自相關。第三，在構(gòu)造模型的時候，有可能錯誤地確定模型的形式。第四，在許多情況下，隨機項u本身就具有自相關性。第二節(jié)一階自回歸形式線性回歸模型

Yt=bo+b1Xt+ut若ut

的取值只與它的前一期取值有關，即

ut=f(ut-1)則稱為一階自相關若ut

的取值不僅只與它的前一期取值有關，而且與它的前幾期取值有關，即

ut=f(ut-1，ut-2，…)則稱為高階自相關經(jīng)典經(jīng)濟計量學對自相關的分析僅限于一階自回歸形式且是線性的：

ut=ut-1+εt為自相關系數(shù)||<1>0為正自相關<0為負自相關εt為隨機變量且滿足經(jīng)典假定。這時稱u為一階自回歸形式。經(jīng)過一系列證明推導:U的方差為:Var(Ui)=σ2(ε)/1-ρ2

Ｕ的協(xié)方差為：Cov(Ut,Ut-s)=

ρsσ2μ自相關的后果1.參數(shù)的估計值仍然是線性無偏的2.參數(shù)的估計值不具有最小方差性，因而是無效的，不再具有最優(yōu)性質(zhì)3.參數(shù)顯著性t檢驗失效4.降低預測精度第三節(jié)自相關的檢驗一、圖示法二、杜賓—瓦森檢驗(Durbin-Watson)三、LM檢驗(LagrangeMultiplier)一、圖示法1.繪制殘差et,et-1的圖形2.按時間順序繪制殘差et的圖形1.繪制殘差et,et-1的圖形如a圖所示，散點在I,III象限，表明存在正自相關。如b圖所示，散點在II,IV象限，

表明存在負自相關。e

te

t-1abe

te

t-1.....................2.時間順序圖—將殘差對時間描點如a圖所示，擾動項為鋸齒型，et隨時間變化頻繁地改變符號，表明存在負自相關。如b圖所示，擾動項為循環(huán)型，et隨時間變化不頻繁地改變符號，而是幾個正之后跟著幾個負的，幾個負之后跟著幾個正的，表明存在正自相關。etetab二、杜賓—瓦特森檢驗DW檢驗是檢驗自相關的最著名、最常用的方法。1.適用條件2.檢驗步驟（1）提出假設（2）構(gòu)造統(tǒng)計量（3）檢驗判斷1.適用條件（1）回歸模型中含有截距項；（2）解釋變量與隨機擾動項不相關；（3）隨機擾動項是一階自相關；（4）回歸模型解釋變量中不包含滯后因變量；（5）樣本容量比較大。2.檢驗步驟（1）提出假設H0：=0，即不存在一階自相關；H1：0，即存在一階自相關。（2）構(gòu)造統(tǒng)計量DW（3）檢驗判斷對給定樣本大小和給定解釋變量個數(shù)找出臨界值dL和dU，按圖中的決策準則得出結(jié)論。構(gòu)造D-W統(tǒng)計量因為-1

1，所以，0d4

DW檢驗的判斷準則依據(jù)顯著水平、變量個數(shù)（k）和樣本大?。╪）一般要求樣本容量至少為15。

正自相關無自相關負自相關0dLdU4-dU4-dL2不能檢出不能檢出4三、拉格朗日乘數(shù)檢驗

（Lagrangemultiplier,LM）由戈弗雷（Godfrey）與布勞殊（Breusch）于1978年提出的，也被稱為GB檢驗。適合于高階序列相關以及模型中存在滯后被解釋變量的情形。對原模型進行OLS估計，用殘差近似值的輔助回歸模型的可決系數(shù)構(gòu)造統(tǒng)計量。如何從直觀上理解LM統(tǒng)計量？從1階、2階、…逐次向更高階檢驗。H0:1=2=…=p=0n為樣本容量，R2為如下輔助回歸的可決系數(shù)一、廣義差分法第四節(jié)自相關模型的經(jīng)濟計量方法

線性回歸模型

Yt=bo+b1Xt+ut若隨機項ut存在一階自相關ut=ut-1+εt

式中若隨機項ut滿足基本假定：E(εt)=0Var(εt)=s2

Cov(εt,

εt+s)

=0

Yt=bo+b1Xt+ut

（1）如果自相關系數(shù)為已知，將上式滯后一期

Yt-1=bo+b1Xt-1+ut-1兩邊乘以

Yt-1=bo+b1Xt-1+ut-1

（2）(1)式減(2)式，變成廣義差分模型Yt

Yt-1=bo(1

)+b1(XtXt-1)+εt（3）作廣義差分變換Yt*

=YtYt-1Xt*

=XtXt-1Yt*

=bo*+b1Xt*+εt對廣義差分模型應用OLS法估計，求得參數(shù)估計量的方法稱為廣義差分法為不損失自由度，K.R.Kadiyala把Yt

和Xt的首項作如下變換當

=1時，可得一階差分模型

YtYt-1=b1(Xt

Xt-1)+εt

（4）作一階差分變換

Yt=YtYt-1

Xt=XtXt-1一階差分模型可寫成Yt=b1Xt+εt

二、杜賓兩步法廣義差分法要求已知，但實際上只能用的估計值來代替。這種方法是先估計再作差分變換，然后用OLS法來估計參數(shù)。步驟是：1.將模型(3)的差分形式寫為

Yt=bo

(1

)+Yt-1+b1Xtb1

Xt-1+ε

t

Yt=ao+Yt-1+a1Xt+a2Xt-1+ε

t式中：ao=

bo

(1

)a1=

b1

a2=

b1用OLS法來求得的估計值。^^2.用對原模型進行差分變換得：Yt*

=YtYt-1Xt*

=XtXt-1得Yt*

=ao+b1Xt*

+ε

t用OLS法來求得參數(shù)估計值ao

和b1bo=

ao/(1

)此外求的估計值還有其它方法：^^^^^三、科克蘭內(nèi)—奧克特迭代法科克蘭內(nèi)—奧克特法又稱迭代法，步驟是：1、用OLS估計模型

Yt=bo+b1Xt+μt2、計算殘差et

et

=YtYt

=Yt(bo+b1Xt)3、將et代入，得殘差的一階自回歸方程

et=et-1+ε

t用OLS方法求