實驗六自相關(guān)模型的檢驗和處理

1、實驗六自相關(guān)模型的檢驗和處理CKBOOD was revised in the early morning of December 17, 2020.實驗報告課程名稱：計量經(jīng)濟(jì)學(xué)實驗項目：實驗六自相關(guān)模型的檢驗和處理實驗類型：綜合性口 設(shè)計性口 驗證性專業(yè)班別：姓 名：學(xué) 號：實驗課室：厚徳樓A404指導(dǎo)教師：實驗日期：2015年6月11 口廣東商學(xué)院華商學(xué)院教務(wù)處制一、實驗項目訓(xùn)練方案小組合作：是口否小組成員：無實驗?zāi)康模赫莆兆韵嚓P(guān)模型的檢驗和處理方法實驗場地及儀器、設(shè)備和材料實驗室：普通配置的計算機(jī)，Eviews軟件及常用辦公軟件。實驗訓(xùn)練內(nèi)容（包括實驗原理和操作步驟）:【實驗原理】H相關(guān)

2、的檢驗：圖形法檢驗、D-W檢驗自相關(guān)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的回歸模型【模型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(jì)數(shù)據(jù)（部分）-第六章”（一）自相關(guān)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】是否存在白相關(guān)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：對e_）和殘 差趨勢圖

3、（即殘差對時間的線圖），并判斷模型是否存在白相關(guān)以及是正 的自相關(guān)還是負(fù)的自相關(guān)?！灸Ｐ?】殘差散點圖殘差趨勢圖結(jié)論：從圖上看，CS對GDPS回歸的殘差有一定的自相關(guān)?！灸Ｐ?】殘差散點圖殘差趨勢圖結(jié)論：從圖上看，CZ對CS回歸的殘差有一定的自相關(guān)?！灸Ｐ?】殘差散點圖殘差趨勢圖RESIOr-1)分別計算上述【模型1-3】和【模型5】的D-W統(tǒng)計量的值，判斷模型是否 存在自相關(guān)問題?！灸Ｐ?】CS= +R 2= SE= DW=O. 942712 F二結(jié)論：DW值偏近0,存在IH相關(guān)【模型2】DW=結(jié)論：DW值接近2,不存在自相關(guān)【模型3】DW=結(jié)論：DW值接近0,存在很強的自相關(guān)【模型5】DW

4、=結(jié)論：DW值偏近0,存在嚴(yán)重的自相關(guān)（請對得到的圖表進(jìn)行處理，以上在一頁內(nèi)）（二）自相關(guān)的處理1.【模型3】SLC對GDPS回歸自相關(guān)的處理Dependent Variable： SLCMethod: Least SquaresDate: 06/14/15 Time: 11:25Sample(adjusted): 1980 2005Indued observations: 26 after adjustmentsConvergence achieved after 14 iterationsStd.t-Coefficient Error StatisticProb.GDPScARARR-sq

5、uaredMean dependent var dependent varAdjusted R-squaredAkaike info of regressioncriterionSum squaredresidSchwarz criterionHannan-QuinnLog likelihoodcriterFstatisticDurbin-Watson statProb (F- statistic)Inverted ARRoots 47Estimated AR process is nonstationary2. 【模型5 LOG (GDPS)對T回歸自相關(guān)的處理Dependent Varia

6、ble: LOG(GDPS)Method: Least SquaresDate: 06/14/15 Time： 11:26Sample (adjusted): 1980 2005Included observations： 26 after adjustmentsConvergence achieved after 3 iterationsStd.t-Prob.CoefficientError StatisticAR(1)ARR-squaredMean dependent varAdjusted R-squared of regression dependent varAkaike infoc

7、riterionSum squaredresidSchwarz criterionLog likelihoodHannan-Quinn criterF-statisticDurbin-Watson statProb (F-statistic)Inverted ARRoots 74+. 27i（請對得到的圖表進(jìn)行處理，以上在一頁內(nèi)）（三）補充實驗1. 使用圖形檢驗法檢驗【模型5】是否存在H相關(guān)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：耳對j）和殘差趨勢圖（即殘 差弓對時間/的線圖），并判斷模型是否存在自相關(guān)以及是正的白相關(guān)還是負(fù) 的自相關(guān)。從圖上看，log（GDPS）對T

8、回歸的殘差也有很強的正自相關(guān)（請對得到的圖表進(jìn)行處理，以上在一頁內(nèi)）2. 計算上述【模型4】的D-W統(tǒng)計量的值，判斷模型是否存在自相關(guān)問題。log （cs） =+ *TR2二 SE= DW=0.670889 F=3. 對【模型1】、【模型2】和【模型4】的自相關(guān)問題進(jìn)行處理?！灸Ｐ?】Dependent Variable: CSMethod: Least SquaresDate: 06/14/15 Time： 11:34Sample (adjusted): 1979 2005Included observations： 27 after adjustmentsConvergence achie

9、ved after 5 iterationsStd.t-Prob.CoefficientError StatisticGDPSCAR(1)R-squaredMean dependent varAdjusted R-squared dependent varAkaike info of regressioncriterionSum squaredresidSchwarz criterionHannan-QuinnLog likelihoodcriterFstatisticDurbin-Watson statProb (F-statistic).53Inverted ARRoots【模型2】Dep

10、endent Variable: CSMethod： Least SquaresDate： 06/14/15 Time： 11:35Sample (adjusted): 1979 2005Included observations： 27 after adjustmentsConvergence achieved after 4 iterations Std.t -CoefficientError StatisticProb.czAR(1)R-squaredAdjusted R-squared of regressionSum squaredresidLog likelihoodMean de

11、pendent var dependent varAkaike infocriterionSchwarz criterionHannan-QuinncriterF-statisticDurbin-Watson statProb (F- statistic)Inverted ARRoots 22【模型4】Dependent Variable: LOG(CS)Method： Least SquaresDate: 06/14/15 Time： 11:37Sample (adjusted): 1979 2005Included observations： 27 after adjustmentsCon

12、vergence achieved after 3 iterationst-Prob.Mean dependent var dependent varAkaike infocriterionStd.CoefficientError StatisticAR(1)R-squaredAdjusted R-squared of regressionSum squaredresidSchwarz criterionLog likelihoodHannan-Quinn criter.F-statisticDurbin-Watson statProb (F- statiStic)Inverted AR.48

13、Roots（請對得到的圖表進(jìn)行處理，以上在一頁內(nèi)）二、實驗總結(jié)與評價實驗總結(jié)(包括實驗數(shù)據(jù)分析、實驗結(jié)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(dāng)總體回歸模型的隨機(jī)誤差項在不同觀測點上彼此相關(guān)時就產(chǎn)生了自相關(guān) 問題。2、時間序列的慣性、經(jīng)濟(jì)活動的滯后效應(yīng)、模型設(shè)定錯誤、數(shù)據(jù)的處理等多 種原因都可能導(dǎo)致出現(xiàn)自相關(guān)。3、在出現(xiàn)自相關(guān)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(guān)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(yù)測的置信區(qū)

14、間不可靠， 降低了預(yù)測的精度。4、隨機(jī)誤差項的自相關(guān)形式?jīng)Q定于其相關(guān)聯(lián)形式，可以為m階自回歸形式 (m=l, 2,，m),即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(guān)設(shè)定為一階自相關(guān)即AR (1)模式。用一階自相關(guān)系數(shù) P表示H相關(guān)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歸殘差項et的圖形，可以判斷自相關(guān) 的存在。判斷自相關(guān)的存在最常用的方法是依據(jù)et計算的DW統(tǒng)計量，但要注 意DW檢驗法的前提條件和局限性。6、如果自相關(guān)系數(shù)p是已知的，我們可以使用廣義差分法消除序列相關(guān)。7、如果自相關(guān)系數(shù)p是未知的，我們可采用科克倫-奧克特迭代法或徳賓兩步法求得P的估計值，然后用廣義差分法消除序列相關(guān)。對實驗的自我評價：掌握自相關(guān)模型的檢驗和處理方法，經(jīng)過前面5次實驗的訓(xùn)練，已經(jīng)能很 熟練運用Eviews軟件建立線性回歸模型并進(jìn)行簡單分析與檢驗。在本次實驗 中，要學(xué)會處理在實踐中可能碰到的問題之自相關(guān)，從實驗中體會到自相關(guān)的檢驗方法以及處理辦法。從實驗情況來看，己較為熟練運用Eviews軟 件進(jìn)行自相關(guān)的相關(guān)分析和處理，理解了自相關(guān)的思想并能運用于實踐。在實 驗過程中出現(xiàn)的一些問題，能促使逐漸掌握理論、鍛煉白己分析、處理實際經(jīng) 濟(jì)問題的能力。指導(dǎo)教師評語