實驗六自相關模型的檢驗和處理

1、實驗報告課程名稱：計量經(jīng)濟學實驗項目：實驗六 自相關模型的檢驗和處理實驗類型：綜合性口設計性口驗證性專業(yè)班別：姓 名：學 號：實驗課室：厚德樓A404指導教師：實驗日期：2015年6月11日廣東商學院華商學院教務處 制、實驗項目訓練方案小組合作：是否小組成員：無實驗目的：掌握自相關模型的檢驗和處理方法實驗場地及儀器、設備和材料實驗室：普通配置的計算機，Eviews軟件及常用辦公軟件。實驗訓練內容（包括實驗原理和操作步驟）：【實驗原理】自相關的檢驗：圖形法檢驗、D-W檢驗 自相關的處理：廣義差分變換、迭代法【實驗步驟】 本實驗中考慮以下模型：【模型1】財政收入CS對收入法GDPS勺回歸模型【模型

2、2】財政支出CZ對財政收入CS的回歸模型【模型3】消費品零售額SLC對收入法GDPS的回歸模型【模型4】財政收入的對數(shù)log （cs）對時間T的回歸模型 【模型5】收入法GDPS的對數(shù)log （GDPS）對時間T的回歸模型數(shù)據(jù)見“附表：廣東省宏觀經(jīng)濟數(shù)據(jù)（部分）-第六章”（一）自相關的檢驗 1圖形法檢驗使用圖形檢驗法分別檢驗上述 【模型1-4】是否存在自相關問題。分別作這四個模 型的殘差散點圖（即殘差后一項對前一項的散點圖：et對ei）和殘差趨勢圖（即殘 差et對時間t的線圖），并判斷模型是否存在自相關以及是正的自相關還是負的自相 關?！灸Ｐ?】殘差散點圖殘差趨勢圖結論：從圖上看,CS對GDP

3、S回歸的殘差有一定的自相關【模型2】殘差散點圖殘差趨勢圖結論：從圖上看,CZ對CS回歸的殘差有一定的自相關?！灸Ｐ?】殘差散點圖殘差趨勢圖400結論：從圖上看,SLC 對 GDPS 回歸的殘差有很強勺200【模型4】"殘差散點圖400 -200 - log（CS）對T回歸的殘差也有很強旳殘差趨勢圖P 10,000-8,000t 6,000-4,000P 2,000t 00結論：從圖上看，（請對得。到4勺丁圖表進行處理，以上在一頁內廠2.D-W 檢驗D -4002-2000- 2004001 . 一分別計算上述res!模型1-3】和【模型5】的DW統(tǒng)計量勺斗判斷模型是否存在自】丄 .R

4、esidual Actual Fitted-400-.3.2-400 -600 -2000200400198019851990199520002005.0 - 。-.1 -I -.2 -.4.6(0.001891Esid(-1)相關冋題【模型1】CS= 12.50960 + 0.080296 .0GDPS(15.58605)(0.802615)(42.45297)RA2=0.985779SE=7732.823 DW=0.942712 F=1802.255結論：DW值偏近0,存在自相關【模型2】DW=1.554922結論：DW值接近2,不存在自相關【模型3】DW=0.293156結論：DW值接近

5、0,存在很強的自相關【模型5】DW=0.198218結論：DW值偏近0,存在嚴重的自相關（請對得到的圖表進行處理，以上在一頁內）（二）自相關的處理1. 【模型3】SLC對GDPS回歸自相關的處理Dependent Variable: SLCMethod: Least SquaresDate: 06/14/15 Time: 11:25Sample（adjusted）: 1980 2005Inclued observations: 26 after adjustmentsConvergence achieved after 14 iterationsCoefficientStd. Errort-S

6、tatisticProb.?GDPS0.2271240.0423245.3663570.0000C-863.1769929.2543-0.9288920.3630AR(1)1.5361400.1865398.2349410.0000AR(2)-0.5035900.199972-2.5183010.0196R-squared0.999440 ?Mean dependent var2323.710Adjusted R-squared0.999364 ?S.D. dependent var2354.344S.E. of regression59.39227 ?Akaike info criterio

7、n11.14684Sum squared resid77603.71 ?Schwarz criterion11.34040Log likelihood-140.9090 ?Hannan-Quinn criter.11.20258F-statistic13087.46 ?Durbin-Watson stat1.717996Prob(F-statistic)0.000000Inverted AR Roots?1 06? 47Estimated AR process is nonstationary2. 【模型5】LOG(GDPS)對T回歸自相關的處理Dependent Variable: LOG(

8、GDPS)Method: Least SquaresDate: 06/14/15 Time: 11:26Sample (adjusted): 1980 2005Included observations: 26 after adjustmentsConvergence achieved after 3 iterationsCoefficientStd. Errort-StatisticProb.?T0.1839360.01169015.734610.0000C5.0200030.21424123.431600.0000AR(1)1.4706870.1669128.8111310.0000AR(

9、2)-0.6135370.174363-3.5187370.0019R-squared0.998601 ?Mean dependent var7.869818Adjusted R-squared0.998410 ?S.D. dependent var1.458838S.E. of regression0.058174 ?Akaike info criterion-2.710105Sum squared resid0.074454 ?Schwarz criterion-2.516552Log likelihood39.23137 ?Hannan-Quinn criter.-2.654369F-s

10、tatistic5233.128 ?Durbin-Watson stat1.920812Prob(F-statistic)0.000000Inverted AR Roots?.74+.27i?.74-.27i(請對得到的圖表進行處理，以上在一頁內)(三) 補充實驗1使用圖形檢驗法檢驗 【模型5】是否存在自相關問題。分別作這個模型的殘差散點圖(即殘差后一項對前一項的散點圖：et對qj和殘差趨勢圖(即殘差et對時間t的 線圖)，并判斷模型是否存在自相關以及是正的自相關還是負的自相關。從圖上看，log(GDPS )對丁回歸的殘差也有很強的正自相關(請對得到的圖表進行處理，以上在一頁內)2. 計算上述

11、【模型4】的D-W統(tǒng)計量的值，判斷模型是否存在自相關問題。log( cs)=3.061611+ 0.159151*T(0.00644999) (0.000388595)(47.46694)(40.95545)RA2=0.984736 SE=0.166099 DW=0.670889F=1677.3493. 對【模型1】、【模型2】和【模型4】的自相關問題進行處理?！灸Ｐ?】Dependent Variable: CSMethod: Least SquaresDate: 06/14/15 Time: 11:34Sample (adjusted): 1979 2005Included observa

12、tions: 27 after adjustmentsConvergence achieved after 5 iterationsCoefficientStd. Errort-Statistic Prob.?GDPS0.0801460.00310025.851880.0000C12.3092530.167590.4080290.6869AR0.5280600.1731273.0501300.0055R-squared0.989511 ?Mean dependent var464.6559Adjusted R-squared0.988637 ?S.D. dependent var512.828

13、1S.E. of regression54.66577 ?Akaike info criterion10.94479Sum squared resid71720.32 ?Schwarz criterion11.08877Log likelihood-144.7547 ?Hannan-Quinn criter.10.98761F-statistic1132.079 ?Durbin-Watson stat1.734469Prob(F-statistic)0.000000Inverted AR Roots? 53【模型2】Dependent Variable: CSMethod: Least Squ

14、aresDate: 06/14/15Time:11:35Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 4 iterationsCoefficientStd. Errort-StatisticProb.?CZ0.7784150.01331458.464490.0000C19.7490911.933931.6548680.1110AR(1)0.2188730.1992821.0983080.2830R-squared0.995395 ?Mean de

15、pendent var464.6559Adjusted R-squared0.995011 ?S.D. dependent var512.8281S.E. of regression36.22199 ?Akaike info criterion10.12165Sum squared resid31488.78 ?Schwarz criterion10.26563Log likelihood-133.6423 ?Hannan-Quinn criter.10.16446F-statistic2593.808 ?Durbin-Watson stat1.788804Prob(F-statistic)0

16、.000000Inverted AR Roots? 22【模型4】Dependent Variable: LOG(CS)Method: Least SquaresDate: 06/14/15Time:11:37Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 3 iterationsCoefficientStd. Errort-StatisticProb.?T0.1674380.00518532.293370.0000C2.8924940.09555

17、930.269150.0000AR0.4803360.1200454.0013070.0005R-squared0.994392?Mean dependent var5.429892Adjusted R-squared0.993925?S.D. dependent var1.304108S.E. of regression0.101644?Akaike info criterion-1.630250Sum squared resid0.247954?Schwarz criterion-1.486268Log likelihood25.00837?Hannan-Quinn criter.-1.5

18、87436F-statistic2127.985?Durbin-Watson stat2.262057Prob(F-statistic)0.000000Inverted AR Roots? 48（請對得到的圖表進行處理，以上在一頁內）、實驗總結與評價 實驗總結(包括實驗數(shù)據(jù)分析、實驗結果、實驗過程中出現(xiàn)的問題及解決方法等)：見實驗步驟中。1當總體回歸模型的隨機誤差項在不同觀測點上彼此相關時就產(chǎn)生了自相關問題。2、時間序列的慣性、經(jīng)濟活動的滯后效應、模型設定錯誤、數(shù)據(jù)的處理等多種原因 都可能導致出現(xiàn)自相關。3、在出現(xiàn)自相關時，普通最小二乘估計量依然是無偏、一致的，但不再是有效的。如果仍用OLS法計算參數(shù)估計值的方差，將可能會低估存在自相關時參數(shù)估計值的真 實方差。而且會低估真實的數(shù)據(jù)的低估和參數(shù)估計值方差的低估，通常的t檢驗和F檢驗都不能有效地使用，也使預測的置信區(qū)間不可靠，降低了預測的精度。4、 隨機誤差項的自相關形式?jīng)Q定于其相關聯(lián)形式，可以為m階自回歸形式(m=1， 2,，m),即卩AR (m)。為了研究問題的方便和考慮實際問題的代表意義，通常將自相關設定為一階自相關即 AR (1)模式。用一階自相關系數(shù)p表示自相關的程度 與方向。5、由于Ut不可觀測，通常使用Ut的估計量el判斷Ut的特性。繪制et-1, et的散 點圖或按照時間順序繪制回