版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
計(jì)量經(jīng)濟(jì)學(xué)第5章自相關(guān)GDP對(duì)進(jìn)口的促進(jìn)作用到底有多大?建立我國(guó)商品出口額的計(jì)量經(jīng)濟(jì)模型,選擇我國(guó)商品出口額作為因變量,選擇國(guó)內(nèi)生產(chǎn)總值(GDP)作為自變量,數(shù)據(jù)資料見表5-3所示,實(shí)際建模過程中,對(duì)變量均采用對(duì)數(shù)化處理。一元線性回歸模型建立如下:為研究我國(guó)商品出口額0
1
tln
EX
=
b
+
b
ln
GDP
+
u(0.0221)(61.29)?上式中,lnEX表示商品出口額的對(duì)數(shù)值;lnGDP表示歷年GDP的對(duì)數(shù)值。使用Eviews
軟件的OLS回歸估計(jì)結(jié)果得ln
EX
=
-5.6201+1.355
ln
GDPSe
=
(0.2371)t
=
(-23.70)R2
=
0.9916
F
=
3756.39
DW
=
0.4908由估計(jì)檢驗(yàn)結(jié)果可以看出,回歸系數(shù)的標(biāo)準(zhǔn)差非常小,t統(tǒng)計(jì)量較大,說明國(guó)
內(nèi)生產(chǎn)總值GDP對(duì)我國(guó)商品出口額的影響是顯著的。同時(shí)可決系數(shù)也非常高,
F統(tǒng)計(jì)量=3756.39,也表明模型異常的顯著??墒怯腥颂岢觯哼@里的彈性系數(shù)為1.355的結(jié)論不一定可靠。盡管所用樣本數(shù)
據(jù)都是真實(shí)的,但是所計(jì)算的待估參數(shù)的估計(jì)值的方差及標(biāo)準(zhǔn)差被嚴(yán)重地低估了,t統(tǒng)計(jì)量和F統(tǒng)計(jì)量都遠(yuǎn)遠(yuǎn)被虛假地夸大了,因此所得結(jié)果是不可信的。那么,有什么充分的理由提出這樣的質(zhì)疑呢?本章內(nèi)容安排5.1
自相關(guān)的性質(zhì)5.2
自相關(guān)的后果5.3
自相關(guān)的診斷5.4
自相關(guān)的補(bǔ)救措施5.5
自相關(guān)系數(shù)的估計(jì)第5章自相關(guān)5.1
自相關(guān)的性質(zhì)一、自相關(guān)的概念自相關(guān)(auto
correlation),又稱序列相關(guān)(serialcorrelation)是指總體回歸模型的隨機(jī)誤差項(xiàng)之間存在相關(guān)關(guān)系。即不同觀測(cè)點(diǎn)上的誤差項(xiàng)彼此相關(guān)。r
的取值范圍為-1
£
r
£
1式(6.1)中ut
-1
是ut
滯后一期的隨機(jī)誤差項(xiàng)。因此,將式(6.1)計(jì)算的自相關(guān)系數(shù)r
稱為一階自相關(guān)系數(shù)。一階自相關(guān)系數(shù)(6.1)nr
=
t=2
自相關(guān)系數(shù)r
的定義與普通相關(guān)系的公式形式相同
utut
-1n
n2tuu2t
-1t
=2
t
=2
二、自相關(guān)產(chǎn)生的原因自相關(guān)產(chǎn)生的原因自相關(guān)產(chǎn)生的原因經(jīng)濟(jì)系統(tǒng)的慣性經(jīng)濟(jì)系統(tǒng)的慣性經(jīng)濟(jì)活動(dòng)的滯后效應(yīng)經(jīng)濟(jì)活動(dòng)的滯后效應(yīng)數(shù)據(jù)處理造成的相關(guān)數(shù)據(jù)處理造成的相關(guān)蛛網(wǎng)現(xiàn)象蛛網(wǎng)現(xiàn)象模型設(shè)定偏誤模型設(shè)定偏誤自相關(guān)現(xiàn)象大多出現(xiàn)在時(shí)間序列數(shù)據(jù)中,而經(jīng)濟(jì)系統(tǒng)的經(jīng)濟(jì)行為都具有時(shí)間上的慣性。如GDP、價(jià)格、就業(yè)等經(jīng)濟(jì)指標(biāo)都會(huì)隨經(jīng)
濟(jì)系統(tǒng)的周期而波動(dòng)。例如,在經(jīng)濟(jì)高漲
時(shí)期,較高的經(jīng)濟(jì)增長(zhǎng)率會(huì)持續(xù)一段時(shí)間,而在經(jīng)濟(jì)衰退期,較高的失業(yè)率也會(huì)持續(xù)
一段時(shí)間,這種現(xiàn)象就會(huì)表現(xiàn)為經(jīng)濟(jì)指標(biāo)
的自相關(guān)現(xiàn)象。原因1-經(jīng)濟(jì)系統(tǒng)的慣性滯后效應(yīng)是指某一指標(biāo)對(duì)另一指標(biāo)的影響不僅限于當(dāng)期而是延續(xù)若干期。由此帶來變量的自相關(guān)。例如,居民當(dāng)期可支配收入的增加,不會(huì)使居民的消費(fèi)水平在當(dāng)期就達(dá)到應(yīng)有水平,而是要經(jīng)過若干期才能達(dá)到。因?yàn)槿说南M(fèi)觀念的改變客觀上存在自適應(yīng)期。原因2-經(jīng)濟(jì)活動(dòng)的滯后效應(yīng)因?yàn)槟承┰驅(qū)?shù)據(jù)進(jìn)行了修整和內(nèi)插處理,在這樣的數(shù)據(jù)序列中就會(huì)有自相關(guān)。例如,將月度數(shù)據(jù)調(diào)整為季度數(shù)據(jù),由于
采用了加合處理,修勻了月度數(shù)據(jù)的波動(dòng),使季度數(shù)據(jù)具有平滑性,這種平滑性產(chǎn)生
自相關(guān)。對(duì)缺失的歷史資料,采用特定統(tǒng)
計(jì)方法進(jìn)行內(nèi)插處理,使得數(shù)據(jù)前后期相
關(guān),產(chǎn)生了自相關(guān)。原因3-數(shù)據(jù)處理造成的相關(guān)原因4-蛛網(wǎng)現(xiàn)象蛛網(wǎng)現(xiàn)象是微觀經(jīng)濟(jì)學(xué)中的一個(gè)概念。它表示某種商品的供給量受前一期價(jià)格影響而表現(xiàn)出來的某種規(guī)律性,即呈蛛網(wǎng)狀收斂或發(fā)散于供需的均衡點(diǎn)。許多農(nóng)產(chǎn)品的供給呈現(xiàn)為蛛網(wǎng)現(xiàn)象,供給對(duì)價(jià)格的反應(yīng)要滯后一段時(shí)間,因?yàn)楣┙o需要經(jīng)過一定的時(shí)間才能實(shí)現(xiàn)。如果時(shí)t期的價(jià)格
Pt
低于上一期的價(jià)格
Pt
-1
,農(nóng)民就會(huì)減少時(shí)期
t
+1
的生產(chǎn)量。如此則形成蛛網(wǎng)現(xiàn)象,此時(shí)的供給模型為:St
=
b1
+
b2
P
ut
-1
+
t如果模型中省略了某些重要的解釋變量或者模型函數(shù)形式不正確,都會(huì)產(chǎn)生系統(tǒng)誤差,這種誤差存在于隨機(jī)誤差項(xiàng)中,從而帶來了自相關(guān)。由于該現(xiàn)象是由于設(shè)定失誤造成的自相關(guān),因此,也稱其為虛假自相關(guān)。原因5-模型設(shè)定偏誤例如,應(yīng)該用兩個(gè)解釋變量,即:而建立模型時(shí),模型設(shè)定為:
Yt
=
b0
+
b1
X1t
+
ut則X2t對(duì)Yt
的影響便歸入隨機(jī)誤差項(xiàng)ut
中,由于ut
在不同觀測(cè)點(diǎn)上是相關(guān)的,這就造成了在不同觀測(cè)點(diǎn)是相關(guān)的,呈現(xiàn)出系統(tǒng)模式,此時(shí)ut
是自相關(guān)的。Yt
=
b0
+
b1
X1t
+
b2
X
2t
+
ut模型形式設(shè)定偏誤也會(huì)導(dǎo)致自相關(guān)現(xiàn)象。如將形成本曲線設(shè)定為線性成本曲線,則必定會(huì)導(dǎo)致自相關(guān)。由設(shè)定偏誤產(chǎn)生的自相關(guān)是一種虛假自相關(guān),可通過改變模型設(shè)定予以消除。自相關(guān)關(guān)系主要存在于時(shí)間序列數(shù)據(jù)中,但是在橫截面數(shù)據(jù)中,也可能會(huì)出現(xiàn)自相關(guān),通常稱其為空間自相關(guān)(Spatial
auto
correlation)。例如,在消費(fèi)行為中,一個(gè)家庭、一個(gè)地區(qū)的消費(fèi)行為可能會(huì)影響另外一些家庭和另外一些地區(qū),就是說不同觀測(cè)點(diǎn)的隨機(jī)誤差項(xiàng)可能是相關(guān)的。多數(shù)經(jīng)濟(jì)時(shí)間序列在較長(zhǎng)時(shí)間內(nèi)都表現(xiàn)為上升或下降的超勢(shì),因此大多表現(xiàn)為正自相關(guān)。但就自相關(guān)本身而言是可以為正相關(guān)也可以為負(fù)相關(guān)。三、自相關(guān)的表現(xiàn)形式自相關(guān)的性質(zhì)可以用自相關(guān)系數(shù)的符號(hào)判斷即
r
<
0
為負(fù)相關(guān),r
>0為正相關(guān)。當(dāng)
|
r
|接近1時(shí),表示相關(guān)的程度很高。
自相關(guān)是
u1
,u2
,...,un
序列自身的相關(guān),因隨機(jī)誤差項(xiàng)的關(guān)聯(lián)形式不同而具有不同的自相關(guān)形式。自相關(guān)多出現(xiàn)在時(shí)間序列數(shù)據(jù)中。體回歸模型(PRF)的隨機(jī)項(xiàng)為如果自相關(guān)形式為自相關(guān)的形式對(duì)于樣本觀測(cè)期為n
的時(shí)間序列數(shù)據(jù),可得到總u1
,
u2
,...,
un,tut
=
rut-1
+
vt
-
1
<
r
<
1其中r
為自相關(guān)系數(shù),v
為經(jīng)典誤差項(xiàng),即t
t
t
t+sE(v
)
=
0
,
Var(v
)
=
s
2
,
Cov(v
,
v)
=
0
,
s
?
0則此式稱為一階自回歸模式,記為AR(1)。因?yàn)槟P椭衭t
-1是ut滯后一期的值,因此稱為一階。此式中的r
也稱為一階自相關(guān)系數(shù)。如果式中的隨機(jī)誤差項(xiàng)vt
不是經(jīng)典誤差項(xiàng),即其中包含有ut
的成份,如包含有ut
-2顯含在回歸模型中,其為則需將vtut
=
r1ut
-1
+
r2ut
-2
+
vt¢其中,r1
為一階自相關(guān)系數(shù),r2
為二階自相關(guān)系
數(shù),vt¢是經(jīng)典誤差項(xiàng)。此式稱為二階自回歸模式,記為A。R(2)一般地,如果
u1
,u2
,...,ut
之間的關(guān)系為ut
=
r1ut
-1
+
r2ut
-2
+
...
+
rmut
-m
+
vt其中,vt
為經(jīng)典誤差項(xiàng)。則稱此式為m
階自回歸模式,記為AR(m)。在經(jīng)濟(jì)計(jì)量分析中,通常采用一階自回歸形式,即假定自回歸形式為一階自回歸AR(1)。5.2
自相關(guān)的后果本節(jié)基本內(nèi)容:一階自回歸形式的性質(zhì)自相關(guān)對(duì)參數(shù)估計(jì)的影響自相關(guān)對(duì)模型檢驗(yàn)的影響自相關(guān)對(duì)模型預(yù)測(cè)的影響對(duì)于一元線性回歸模型:Y
=
b0
+
b1
X
+
u假定隨機(jī)誤差項(xiàng)u存在一階自相關(guān):u
t
=
rut
-1
+
vt其中,ut
為現(xiàn)期隨機(jī)誤差,ut
-1
為前期隨機(jī)誤差。差的假定。Var(v
)
=
s
2t
vtvt
是經(jīng)典誤差項(xiàng),滿足零均值E(v
)=0
,同方t
s,無自相關(guān)
E(v
v
)
=
0 (t
?
s)一、一階自回歸形式的性質(zhì)ut
-1
=
rut
-2
+
vt
-1
,
ut
-2
=
rut
-3
+
vt
-2逐次代入可得:,
...將隨機(jī)誤差項(xiàng)ut
的各期滯后值:。當(dāng)這些權(quán)數(shù)是隨時(shí)間推移而呈幾何衰減的;機(jī)誤差序列
vt
,
vt
-1
,
vt
-2
,數(shù)分別為
1
,
r
,
r2
,而當(dāng)時(shí),這些權(quán)數(shù)是隨時(shí)間推移而交錯(cuò)振蕩衰減的。r
=0的加權(quán)和,權(quán)0
<r
<1時(shí),這表明隨機(jī)誤差項(xiàng)ut
可表示為獨(dú)立同分布的隨t
-
ru
=
v
+
rv
+
r
2
vt
t t
-1
t
-2+
...
=
rr
v∞-1
<
r
<
0可以推得:表明,在ut
為一階自回歸的相關(guān)形式時(shí),隨機(jī)誤差ut
依然是零均值、同方差的誤差項(xiàng)。r
=0)
=
0rtE(u
)
=t
-
rr
E(v∞22
nr
=0tVar(v
)
=t
-
rr
Var(v
)
=uσ
v
=s
21-
r
2∞Cov(ut
,
ut
-1
)
=
E(utut
-1
)可得隨機(jī)誤差項(xiàng)分別為:t-k與u其t
以前各期
的u協(xié)方差由于現(xiàn)期的隨機(jī)誤差項(xiàng)
vt
并不影響回歸模型中隨機(jī)誤差項(xiàng)
ut
的以前各期值
ut-k
(k
>
0)
,所以
vt
與
ut-k
不相關(guān),即有
E(vtut-k
)
=
0
。因此,vrs
21-
r
2=r
2s
21-
r
2Cov(ut,
ut
-2
)
=
E(ut
ut
-2
)
=
v
以此類推,可得:這些協(xié)方差分別稱為隨機(jī)誤差項(xiàng)ut
的一階自協(xié)方差、二階自協(xié)方差和k階自協(xié)方差)=
v
rks
21-
r
2kt t
-kCov(u
,
ut
-k)
=
r
Var(u二、對(duì)參數(shù)估計(jì)的影響在有自相關(guān)的條件下,仍然使用普通最小二乘并且將低估真實(shí)的1法將低估估計(jì)b量?n
-
kSe2s?
2
=
i
s
21的方差Var(b?
)的方差為:?σ
2s
2Var(b1
)
=
(
X
-
X
)2
=
x2對(duì)于一元線性回歸模型,當(dāng)u為經(jīng)典誤差項(xiàng)時(shí),1普通最小二乘估計(jì)量b?即1,這一點(diǎn)在普通最小二乘法無偏隨機(jī)誤差項(xiàng)
u
有自相關(guān)時(shí),b?
依然是無偏的,1
1E(b?
)
=
β性證明中可以看到。因?yàn)?,無偏性證明并不需要u滿足無自相關(guān)的假定。那么,最小二乘估1計(jì)量
b?
是否是有效呢?下面我們將說明。(
)s
2122222?AR
(1)ttnnntttVar
bxx2s
2x
xn-1n-2xxx=+
xt
xt
+1
xt
xt
+2t
=1t
=1t
=1r
t
=1
+
r2
t
=1
++
rn-1
1
n
(1)當(dāng)存在自相關(guān)時(shí),普通最小二乘估計(jì)量不再是最佳線性無估計(jì)量,即它在線性無偏估計(jì)量中不是方差最小的。在實(shí)際經(jīng)濟(jì)系統(tǒng)中,通常存在正的自相關(guān),即
r>0
,同時(shí)
X序列自身也呈正相關(guān),因此式(1)右邊括號(hào)內(nèi)的值通常大于0。因此,在有自相關(guān)的條件下,仍然使用普通最小二乘法將。Var(b?
)(n
-k
)
將低估真實(shí)的s
2
。is?
2
=
Se21
1低估估計(jì)量 的方差b?三、對(duì)模型檢驗(yàn)的影響對(duì)模型檢驗(yàn)的影響對(duì)模型檢驗(yàn)的影響考慮自相關(guān)時(shí)的檢驗(yàn)忽視自相關(guān)時(shí)的檢驗(yàn)?s
2Var(b2
)
=
Σx
2t忽視自相關(guān)時(shí)的檢驗(yàn)如果我們忽視自相關(guān)問題依然假設(shè)經(jīng)典假定成立,使用,將會(huì)導(dǎo)致錯(cuò)誤結(jié)果。當(dāng)r
>0,即有正相關(guān)時(shí),對(duì)所有的有r
j
>0。另外回歸模型中的解釋變量在不同時(shí)期通常是正相關(guān)的,對(duì)于
和來說t
+
j
Xt
Xt+j
是大于0的。tX
Xj綜上所述,在自相關(guān)情形下,無論考慮自相關(guān),還是忽視自相關(guān),通常的回歸系統(tǒng)顯著性的t檢驗(yàn)都將是無效的。類似地,由于自相關(guān)的存在,參數(shù)的最小二乘估計(jì)量是無效的,使得F檢驗(yàn)和t檢驗(yàn)不再可靠。一個(gè)被低估了的標(biāo)準(zhǔn)誤意味著一個(gè)較大的t統(tǒng)計(jì)量。因此,當(dāng)r
<0時(shí),通常t統(tǒng)計(jì)量都很大。這種有偏的t統(tǒng)計(jì)量不能用來判斷回歸系數(shù)的顯著性。四、對(duì)模型預(yù)測(cè)的影響模型預(yù)測(cè)的精度決定于抽樣誤差和總體誤差項(xiàng)的方差 。抽樣誤差來自于對(duì)的估計(jì),在自相關(guān)情形下,b?j的方差的最小二乘估計(jì)變得不可靠,由此必定加大抽樣誤差。同時(shí),在自相關(guān)情形下,對(duì)的估計(jì) 也會(huì)不可靠。由此可看出,影響預(yù)測(cè)精度的兩大因素都會(huì)因自相關(guān)的存在而加大不確定性,使預(yù)測(cè)的置信區(qū)間不可靠,從而降低預(yù)測(cè)的精度。2s2
2?is
=
Se
/
n
-
k?jb2s5.3
自相關(guān)的診斷本節(jié)基本內(nèi)容:圖示檢驗(yàn)法DW檢驗(yàn)法一、圖示檢驗(yàn)法圖示法是一種直觀的診斷方法,它是把給定的回歸模直接用普通最小二乘法估計(jì)參數(shù),求出殘差項(xiàng)et
,et作為ut
隨機(jī)項(xiàng)的真實(shí)估計(jì)值,再描繪et的散點(diǎn)圖,根據(jù)散點(diǎn)圖來判斷et
的式。t相關(guān)性。殘差e
的散點(diǎn)圖通常有兩種繪制方圖5-1繪制
et
-1
,
et
的散點(diǎn)圖。用et
與et
-1
的關(guān)系(et
-1,
et
)
(t
=1,
2,...,
n)作為散布點(diǎn)繪圖,如果大部分點(diǎn)落在第Ⅰ、Ⅲ象限,表明隨機(jī)誤差項(xiàng)ut
存在著正自相關(guān)。如果大部分點(diǎn)落在第Ⅱ、Ⅳ象限,那么隨機(jī)誤差項(xiàng)ut
存在著負(fù)自相關(guān)。etet
-1etet-1圖
5-2
et與et-1的關(guān)系二、對(duì)模型檢驗(yàn)的影響表明存在著自相關(guān);如果不斷地改變符號(hào),那么隨機(jī)誤差項(xiàng)et呈現(xiàn)鋸齒形或循環(huán)形狀的變化,就可斷言et存在相關(guān),隨e著t按照時(shí)間順序繪制回歸殘差項(xiàng)
et
的圖形。如果et(t
=
1,
2,,
n)
隨著
t
的變化逐次有規(guī)律地變化,的變t
化逐次變化并存u在t
負(fù)自相關(guān)etttettt在正自相關(guān)。幾個(gè)正的
e后面跟著幾個(gè)負(fù)的,則表明隨機(jī)誤差項(xiàng)
u
存圖
5-4
et
的分布如果
et
隨著t的變化逐次變化并不頻繁地改變符號(hào),而是二、DW檢驗(yàn)法DW檢驗(yàn)是J.Durbin(杜賓)和G.S.Watson(沃特森)于1951年提出的一種適用于小樣本的檢驗(yàn)方法。
DW檢驗(yàn)只能用于檢驗(yàn)隨機(jī)誤差項(xiàng)具有一階自回歸形式的自相關(guān)問題。這種檢驗(yàn)方法是建立經(jīng)
濟(jì)計(jì)量模型中最常用的方法,一般的計(jì)算機(jī)軟
件都可以計(jì)算出DW
值。2)2nt t
-1DW
=
t
=
2
nt
=1e
(e
-
e
t隨機(jī)誤差項(xiàng)的一階自回歸形式為:ut
=
rut
-1
+
vt為了檢驗(yàn)序列的相關(guān)性,構(gòu)造的原假設(shè)是:H0
:
r
=
0為了檢驗(yàn)上述假設(shè),構(gòu)造DW統(tǒng)計(jì)量首先要求出回歸估計(jì)式的殘差et定義DW統(tǒng)計(jì)量為:22nnntt-1
t
t-1DW
=
t=2
t=2
t=2
tt=1e
+e2
e
-
2e
en22t
-12nt
=2nt
=2nt
=1tte
≈ee
)(由≈=(2
1-r?)nnte2
t
=1
et
et
-1
≈
2
1-
t
=2
2nt
t
-1nte
eet
=1(由r?
≈
t
=2
)的對(duì)應(yīng)關(guān)系如表所示。由DW
?2(1-r?)可得DW
值與r?4(2,4)2(0,2)0-1(-1,0)0(0,1)1DWr?DW-14(-1,0)(2,4)02(0,1)(0,2)10由上述討論可知DW的取值范圍為:0≤DW≤4根據(jù)樣本容量n和解釋變量的數(shù)目k(不包括常數(shù)項(xiàng))查DW分布表,得臨界值dL
和dU
,然后依下列準(zhǔn)則考察計(jì)算得到的DW值,以決定模型的自相關(guān)狀態(tài)。DW檢驗(yàn)決策規(guī)則0
£
DW
£
dL誤差項(xiàng)u1,u2
,...,un
間存在正相關(guān)d
L
<
DW
£
dU不能判定是否有自相關(guān)dU
<DW<4-dU誤差項(xiàng)
u1,u2
,...,un
間無自相關(guān)4-dU
£DW<4-dL不能判定是否有自相關(guān)4-
dL
£DW
£4誤差項(xiàng)u1,u2,...,un
間存在負(fù)相關(guān)用坐標(biāo)圖更直觀表示DW檢驗(yàn)規(guī)則:不能確定正自相關(guān)不能確定負(fù)自相關(guān)4無自相關(guān)2LdUdUL4-d
4-df
(DW)DWDW檢驗(yàn)有兩個(gè)不能確定的區(qū)域,一旦DW值落在這兩個(gè)區(qū)域,就無法判斷。這時(shí),只有增大樣本容量或選取其他方法DW統(tǒng)計(jì)量的上、下界表要求n
?15
,這是因?yàn)闃颖救绻傩?,利用殘差就很難對(duì)自相關(guān)的存在性做出比較正確的診斷DW檢驗(yàn)不適應(yīng)隨機(jī)誤差項(xiàng)具有高階序列相關(guān)的檢驗(yàn)只適用于有常數(shù)項(xiàng)的回歸模型并且解釋變量中不能含滯后的被解釋變量DW檢驗(yàn)的缺點(diǎn)和局限性5.4
自相關(guān)的補(bǔ)救本節(jié)基本內(nèi)容:廣義差分法科克倫-奧克特迭代法其他方法簡(jiǎn)介一、廣義差分法定為一階自回歸形式,即對(duì)于自相關(guān)的結(jié)構(gòu)已知的情形可采用廣義差分法解決。由于隨機(jī)誤差項(xiàng)ut是不可觀測(cè)的,通常我們假t
t
-1
tu
=
ru
+
v(5.3.1)
其中,|
r
|<1
,vt
為經(jīng)典誤差項(xiàng)。當(dāng)自相關(guān)系數(shù)為已知時(shí),使用廣義差分法,自相關(guān)問題就可徹底解決。我們以一元線性回歸模型為例說明廣義差分法的應(yīng)用。tu對(duì)于一元線性回歸模型Yt
=
b0
+
b1
Xt
+
ut將模型(5.3.13)滯后一期可得(5.3.13)Yt
-1
=
b0
+
β1Xt
-1
+
ut
-1用r
乘式(5.3.15)兩邊,得rYt
-1
=
rb0
+
rb1
Xt
+
rut
-1(5.3.15)對(duì)模型(5.3.18)使用普通最小二乘估計(jì)就會(huì)得到參數(shù)估計(jì)的最佳線性無偏估計(jì)量。這稱為廣義差分方程,因?yàn)楸唤忉屪兞颗c解釋變量均為現(xiàn)期值減去前期值的一部分,由此而得名。,即丟失了第一個(gè)觀測(cè)值。如果樣本容量較大,減少一個(gè)觀測(cè)值對(duì)估計(jì)結(jié)果影響不大。但是,如果樣本容量較小,則對(duì)估計(jì)精度產(chǎn)生
較大的影響。此時(shí),可采用普萊斯-溫斯滕(Prais-Winsten)變換,將第一個(gè)觀測(cè)值變換為:乘法估計(jì)參數(shù)。1
1Y
1-
r2
和X
1-
r2在進(jìn)行廣義差分時(shí),解釋變量X
與被解釋變量Yn為-1均以差分形式出現(xiàn),因而樣本容量由n
減少t
t補(bǔ)充到差分序列Y
*
,X
*
中,再使用普通最小二二、Cochrane
-Orcutt迭代法在實(shí)際應(yīng)用中,自相關(guān)系數(shù)r往往是未知的,r必須通過一定的方法估計(jì)。最簡(jiǎn)單的方法是據(jù)
DW統(tǒng)計(jì)量估計(jì)r。由DW
與r的關(guān)系可知:r?
=
1
-
DW2但是,式(6.31)得到的是一個(gè)粗略的結(jié)果,r?是對(duì)r
精度不高的估計(jì)。其根本原因在于我們對(duì)有自相關(guān)的回歸模型使用了普通最小二乘法。為了得到r
的精確的估計(jì)值r?
,人們通常采用科克倫-奧克特(Cochrane-Orcutt)迭代法。t該方法利用殘差u去估計(jì)未知的r。對(duì)于一元線性回歸模型Yt
=
b1
+
b2
X
t
+
ut假定ut為一階自回歸形式,即:ut
=
rut
-1
+
vt科克倫-奧克特迭代法估計(jì)r的步驟如下:
1.使用普遍最小二乘法估計(jì)模型Yt
=
b1
+
b2
Xt
+
uttt
-1te(1)
=
r?
(1)
e(1)
+
vt2.利用殘差e(1)做如下的回歸t并獲得殘差:e(1)3.利用r?(1)
,對(duì)模型進(jìn)行廣義差分,即令使用普通最小二乘法,可得樣本回歸函數(shù)為:Y
-
r?(1)Y
=
b
(1-
r?(1)
)
+
b
(
X
-
r?(1)
X
)
+
u
-
r?(1)ut t
-1
1
2
t t
-1
t t
-1tY
*t
-1=
Y
-
r?
(1)Y
X*
=
X
-
r?(1)
Xt t
-1
t
t1?
?*
*2
t(2)tX
+
e=
b*
+
btY?*1=
b
(1
-
r?
(1)
)1b*4.因?yàn)閞?(1)
并不是對(duì)r
的最佳估計(jì),進(jìn)一步
迭代,尋求最佳估計(jì)。由前一步估計(jì)的結(jié)果有:將新的2
殘差如下:*1?
?b=
b
(1-
r?(1)
)和代入1
原回歸方程,求得2=
b?*b?b?
,
b?1
21te
(3
)t2
t=
Y
-
b
-
b
X的最佳估計(jì)值,我們并不能確認(rèn)r?(2)是否是r還要繼續(xù)估計(jì)r
的第三輪估計(jì)值r?(3)。當(dāng)估計(jì)的r?(k
)與r?(k
+1)相差很小時(shí),就找到了r
的最佳估計(jì)值。t5.利用殘差e(3)做如下的回歸e(3)
=
r?
(2)
e(3)
+
vt t
-1
t這里得到的r?(2)就是r
的第二輪估計(jì)值三、其它方法簡(jiǎn)介(一)一階差分法Yt
=
b1
+
b2
Xt
+
ut式中,ut為一階自回歸AR(1)。將模型變換為:DYt
=
b2
DXt
+
ut
-
ut
-1如果原模型存在完全一階正自相關(guān),即r
=1則ut
=
ut
-1
+
vt其中,vt
為經(jīng)典誤差項(xiàng)。則隨機(jī)誤差項(xiàng)為經(jīng)典誤差項(xiàng),無自相關(guān)問題。使用普通最小二乘法估計(jì)參數(shù),可得到最佳線性無偏估計(jì)量。當(dāng)自相關(guān)系數(shù)未知時(shí),也可采用德賓提出的兩步法,消除自相關(guān)。將廣義差分方程表示為:Yt
=
b1
(1
-
r
)
+
b2
X
t
-
rb2
X
t
-1
+
rYt
-1
+vt(二)德賓兩步法第一步,把上式作為一個(gè)多元回歸模型,使用普通最小二乘法估計(jì)參數(shù)。把Yt
-1
的回歸系數(shù)r?
看作r
的一個(gè)估計(jì)值。第二步,求得r?后,使用r?
進(jìn)行廣義差分,求得序列:Y
*
和然后使用普通最小二乘法對(duì)廣義差分方程估計(jì)參數(shù),求得最佳線性無偏估計(jì)量。t
t t
-1
t
t t
-1=
Y
-
r?Y
X*
=
X
-
r?
X研究目的:建立我國(guó)商品出口額的計(jì)量經(jīng)濟(jì)模型,選擇我國(guó)商品出口額作為因變量,選擇國(guó)內(nèi)生產(chǎn)總值(GDP)作為自變量,建立模型ln
EX
=
b0
+
b1
ln
GDP
+
ut上式中,lnEX表示商品出口額的對(duì)數(shù)值;
lnGDP表示歷年GDP的對(duì)數(shù)值。案例分析表5-3水平值1978~2011年我國(guó)商品出口總額及GDP數(shù)據(jù)對(duì)數(shù)值 水平值 對(duì)數(shù)值時(shí)間EXGDPLNEXLNGDP時(shí)間EXGDPLNEXLNGDP1978167.63645.225.128.20199512451.860793.739.4311.021979211.74062.585.368.31199612576.471176.599.4411.171980271.24545.625.608.42199715160.778973.039.6311.281981367.64891.565.918.50199815231.684402.289.6311.341982413.85323.356.038.58199916159.889677.059.6911.401983438.35962.656.088.69200020634.499214.559.9311.511984580.57208.056.368.88200122024.4109655.210.0011.611985808.99016.046.709.11200226947.9120332.710.2011.7019861082.110275.186.999.24200336287.9135822.810.5011.821987147012058.627.299.40200449103.3159878.310.8011.9819881766.715042.827.489.62200562648.1184937.411.0512.131989195616992.327.589.74200677594.59216314.411.2612.2819902985.818667.828.009.83200793455.63265810.311.4512.4919913827.121781.58.259.992008100394.9314045.411.5212.6619924676.326923.488.4510.20200982029.6934090211.3112.7419935284.835333.928.5710.472010107022.840151311.5812.90199410421.848197.869.2510.782011123240.647288211.7213.07年份全年人均純收入全年人均消費(fèi)性支出消費(fèi)價(jià)格指數(shù)人均實(shí)際純收入人均實(shí)際消費(fèi)性支出(現(xiàn)價(jià))(現(xiàn)價(jià))(1985=100)(1985可比價(jià))(1985可比價(jià))19941221.001016.81248.0492.34410.0019951577.701310.36291.4541.42449.6919961923.101572.10314.4611.67500.0319972090.101617.15322.3648.50501.7719982162.001590.33319.1677.53498.2819992214.301577.42314.3704.52501.7520002253.401670.00314.0717.64531.8520012366.401741.00316.5747.68550.0820022475.601834.00315.278
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024年帶貨工作室合作協(xié)議書范文模板
- 《計(jì)算機(jī)網(wǎng)絡(luò)安全防護(hù)技術(shù)(第二版)》 課件 第4章 任務(wù)4.2.1 配置GRE Over IPSec
- 期中模擬檢測(cè)(1-3單元)2024-2025學(xué)年度第一學(xué)期西師大版一年級(jí)數(shù)學(xué)
- 插畫藝術(shù)與故事敘述
- 元宵節(jié)的燈籠設(shè)計(jì)與制作
- 車間職工安全培訓(xùn)試題附參考答案(輕巧奪冠)
- 公司級(jí)安全培訓(xùn)試題及完整答案(有一套)
- 新入員工安全培訓(xùn)試題含答案可下載
- 新入職工安全培訓(xùn)試題附答案【滿分必刷】
- 部門安全培訓(xùn)試題加解析答案
- 北師大版四年級(jí)上冊(cè)數(shù)學(xué)全冊(cè)單元教材分析
- 江西省南昌2024年七年級(jí)上學(xué)期語文期中考試試卷【含參考答案】
- 情侶自愿轉(zhuǎn)賬贈(zèng)與協(xié)議書范本
- 2024版譯林英語七年級(jí)上冊(cè) Unit3 Integration 2課件
- 2024年貴州省六盤水市中考?xì)v史試題卷(含答案詳解)
- 2024 入團(tuán)學(xué)習(xí)考試題庫(含答案)
- 光伏組件回收再利用建設(shè)項(xiàng)目可行性研究報(bào)告寫作模板-拿地申報(bào)
- 三年級(jí)上冊(cè)道德與法治第5課《走近我們的老師》教案教學(xué)設(shè)計(jì)(第一課時(shí))
- 2024年新華師大版七年級(jí)上冊(cè)數(shù)學(xué)教學(xué)課件 1.8 有理數(shù)的加減混合運(yùn)算
- 2024深圳市中考英語真題(打印版)
- 護(hù)士中級(jí)職稱競(jìng)聘述職課件
評(píng)論
0/150
提交評(píng)論