误差序列相关

会计学1误差序列相关误差序列相关 对于模型对于模型 Yi=0+1X1i+2X2i+kXki+i i=1,2,n随机项互不相关的基本假设表现为随机项互不相关的基本假设表现为 Cov(i,j)=0 i j,i,j=1,2,n 如果对于不同的样本点，随机误差项之间不再如果对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现是不相关的，而是存在某种相关性，则认为出现了了误差项误差项序列相关问题（也叫序列相关问题（也叫“自相关自相关”）。第2页/共40页误差序列相关可以有多种不同的情况，其中相邻两期误误差序列相关可以有多种不同的情况，其中相邻两期误差项之间的相关性，也就是误差项差项之间的相关性，也就是误差项 受前一期误差项受前一期误差项 的影响，称为误差项的的影响，称为误差项的“一阶自回归一阶自回归”。可以表示为：。可以表示为：其中，其中，称为，称为“一阶自回归系数一阶自回归系数”，是均值为是均值为0的独立分布随机变量。的独立分布随机变量。时称为时称为“一阶正自相关一阶正自相关”，称为称为“一阶负自一阶负自相关相关”。一阶自回归是误差序列相关性中最重要的部分，也是误一阶自回归是误差序列相关性中最重要的部分，也是误差序列相关性分析的主要对象。差序列相关性分析的主要对象。1ii1iii10i00第3页/共40页例如，例如，绝对收入假设绝对收入假设下下居民总消费函数模型居民总消费函数模型：Ct=0+1Yt+t t=1,2,n由于由于消费习惯消费习惯的影响被包含在随机误差项中，则的影响被包含在随机误差项中，则可能出现序列相关性（往往是正相关可能出现序列相关性（往往是正相关 ）。）。第4页/共40页 例如，本来应该估计的模型为例如，本来应该估计的模型为 Yt=0+1X1t+2X2t+3X3t+t 所谓模型所谓模型设定偏误设定偏误（Specification error）是）是指所设定的模型指所设定的模型“不正确不正确”。主要表现在模型中。主要表现在模型中丢掉了重要的解释变量或模型函数形式有偏误。丢掉了重要的解释变量或模型函数形式有偏误。但在模型设定中做了下述回归：但在模型设定中做了下述回归：Yt=0+1X1t+1X2t+vt因此，因此，vt=3X3t+t，如果，如果X3确实影响确实影响Y，则出，则出现现序列相关。序列相关。第5页/共40页又如：如果真实的边际成本回归模型应为：又如：如果真实的边际成本回归模型应为：Yt=0+1Xt+2Xt2+t其中：其中：Y=边际成本，边际成本，X=产出产出，但建模时设立了如下模型：但建模时设立了如下模型：Yt=0+1Xt+vt 因此，由于因此，由于vt=2Xt2+t,，包含了产出的平方对随机项，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。的系统性影响，随机项也呈现序列相关性。第6页/共40页 在实际经济问题中，有些数据是通过已知数据在实际经济问题中，有些数据是通过已知数据生成的。生成的。因此，新生成的数据与原数据间就有了内在因此，新生成的数据与原数据间就有了内在的联系，表现出序列相关性。的联系，表现出序列相关性。第7页/共40页第8页/共40页1、参数估计量非有效、参数估计量非有效 因为，在有效性证明中利用了因为，在有效性证明中利用了 E(uu)=2I 即同方差性和互相独立性条件。即同方差性和互相独立性条件。而且，在大样本情况下，参数估计量虽然具有而且，在大样本情况下，参数估计量虽然具有一致性，但仍然不具有渐近有效性。一致性，但仍然不具有渐近有效性。第9页/共40页 在变量的显著性检验中，统计量是建立在参数方差在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方正确估计基础之上的，这只有当随机误差项具有同方差性和互相独立性时才能成立。差性和互相独立性时才能成立。其他检验其他检验(主要是主要是F F检验检验）也是如此。）也是如此。第10页/共40页第11页/共40页第12页/共40页Sei aSei c bSei第13页/共40页ie000 c a bieie1ie1ie1ie第14页/共40页10KKXXY110iii1i第15页/共40页ii 221121111iiiiiiiiiiEEEEEE21iiiEEiiniiieee211第16页/共40页iiniiieeeDW22211222222122122122iiniiiiiniiiniiniieeeeeeeeDW第17页/共40页第18页/共40页DW024Ud4Ld4UdLd第19页/共40页第20页/共40页第21页/共40页iiiXY10iiii1iii111101iiiXY 1111iiiiiiXXYY11111iiiiiiiXXYY1iiiYYY1iiiXXX111iiiiiXY1iiiXY11第22页/共40页11b0XbYb10第23页/共40页iiiXY10iiii1iii111101iiiXY1111001iiiiiiXXYY1*iiiYYY1*iiiXXXiiiXY*10*1iiiXAY*1*10A第24页/共40页21*11YY21*11 XX第25页/共40页niniiieee1211第26页/共40页影响，把影响，把 和和作为原模型的两个参作为原模型的两个参数的估计值。数的估计值。1*1*,iiiiiiXXXYYY*iX*iY1b1bA)1/(0 Ab第27页/共40页第28页/共40页1111001iiiiiiXXYYiiiiiXXYY1111011*iiiYYY1*iiiXXXiiiXAY*1*10 Ab,1b第29页/共40页第30页/共40页模型的线性回归结果模型的线性回归结果：第31页/共40页第32页/共40页第33页/共40页-.12-.08-.04.00.04.08.12-.12-.08-.04.00.04.08.12RESID(-1)RESID第34页/共40页53.1,08.1ULdd1*1*1*723379.0,723379.0723379.0723379.021iiiiiiiiiSSSEEEYYYDW第35页/共40页第36页/共40页第37页/共40页第38页/共40页第39页/共40页感谢您的观看！感谢您的观看！第40页/共40页