實(shí)驗(yàn)六自相關(guān)模型的檢驗(yàn)和處理

1、 實(shí) 驗(yàn) 報(bào) 告課程名稱(chēng)： 計(jì)量經(jīng)濟(jì)學(xué) 實(shí)驗(yàn)項(xiàng)目： 實(shí)驗(yàn)六 自相關(guān)模型的 檢驗(yàn)和處理 實(shí)驗(yàn)類(lèi)型：綜合性 設(shè)計(jì)性 驗(yàn)證性R專(zhuān)業(yè)班別： 姓 名： 學(xué) 號(hào)： 實(shí)驗(yàn)課室： 厚德樓A404 指導(dǎo)教師： 實(shí)驗(yàn)日期： 2015年6月11日 廣東商學(xué)院華商學(xué)院教務(wù)處 制 一、實(shí)驗(yàn)項(xiàng)目訓(xùn)練方案小組合作：是 否R小組成員：無(wú)實(shí)驗(yàn)?zāi)康模赫莆兆韵嚓P(guān)模型的檢驗(yàn)和處理方法實(shí)驗(yàn)場(chǎng)地及儀器、設(shè)備和材料實(shí)驗(yàn)室：普通配置的計(jì)算機(jī)，Eviews軟件及常用辦公軟件。實(shí)驗(yàn)訓(xùn)練內(nèi)容（包括實(shí)驗(yàn)原理和操作步驟）：【實(shí)驗(yàn)原理】自相關(guān)的檢驗(yàn)：圖形法檢驗(yàn)、D-W檢驗(yàn)自相關(guān)的處理：廣義差分變換、迭代法【實(shí)驗(yàn)步驟】本實(shí)驗(yàn)中考慮以下模型：【模型1】財(cái)政

2、收入CS對(duì)收入法GDPS的回歸模型【模型2】財(cái)政支出CZ對(duì)財(cái)政收入CS的回歸模型【模型3】消費(fèi)品零售額SLC對(duì)收入法GDPS的回歸模型【模型4】財(cái)政收入的對(duì)數(shù)log（cs）對(duì)時(shí)間T的回歸模型【模型5】收入法GDPS的對(duì)數(shù)log（GDPS）對(duì)時(shí)間T的回歸模型數(shù)據(jù)見(jiàn)“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(yàn)1.圖形法檢驗(yàn)使用圖形檢驗(yàn)法分別檢驗(yàn)上述【模型1-4】是否存在自相關(guān)問(wèn)題。分別作這四個(gè)模型的殘差散點(diǎn)圖（即殘差后一項(xiàng)對(duì)前一項(xiàng)的散點(diǎn)圖：對(duì)）和殘差趨勢(shì)圖（即殘差對(duì)時(shí)間的線圖），并判斷模型是否存在自相關(guān)以及是正的自相關(guān)還是負(fù)的自相關(guān)。【模型1】 殘差散點(diǎn)圖 殘差趨勢(shì)圖結(jié)論：從圖上

3、看，CS對(duì)GDPS回歸的殘差有一定的自相關(guān)?！灸Ｐ?】 殘差散點(diǎn)圖 殘差趨勢(shì)圖結(jié)論：從圖上看，CZ對(duì)CS回歸的殘差有一定的自相關(guān)?！灸Ｐ?】 殘差散點(diǎn)圖 殘差趨勢(shì)圖結(jié)論：從圖上看，SLC對(duì)GDPS回歸的殘差有很強(qiáng)的自相關(guān)【模型4】 殘差散點(diǎn)圖 殘差趨勢(shì)圖結(jié)論：從圖上看，log(CS)對(duì)T回歸的殘差也有很強(qiáng)的自相關(guān)（請(qǐng)對(duì)得到的圖表進(jìn)行處理，以上在一頁(yè)內(nèi)）2.D-W檢驗(yàn)分別計(jì)算上述【模型1-3】和【模型5】的D-W統(tǒng)計(jì)量的值，判斷模型是否存在自相關(guān)問(wèn)題?！灸Ｐ?】CS= 12.50960 + 0.080296GDPS (15.58605) (0.001891) (0.802615) (42.452

4、97)R2=0.985779 SE=7732.823 DW=0.942712 F=1802.255結(jié)論：DW值偏近0，存在自相關(guān)【模型2】DW=1.554922結(jié)論：DW值接近2，不存在自相關(guān)【模型3】DW=0.293156結(jié)論：DW值接近0，存在很強(qiáng)的自相關(guān)【模型5】DW=0.198218結(jié)論：DW值偏近0，存在嚴(yán)重的自相關(guān)（請(qǐng)對(duì)得到的圖表進(jìn)行處理，以上在一頁(yè)內(nèi)）（二）自相關(guān)的處理1.【模型3】SLC對(duì)GDPS回歸自相關(guān)的處理 Dependent Variable: SLCMethod: Least SquaresDate: 06/14/15 Time: 11:25Sample(adjust

5、ed): 1980 2005 Inclued observations: 26 after adjustmentsConvergence achieved after 14 iterationsCoefficientStd. Errort-StatisticProb.  GDPS0.2271240.0423245.3663570.0000C-863.1769929.2543-0.9288920.3630AR(1)1.5361400.1865398.2349410.0000AR(2)-0.5035900.199972-2.5183010.0196R-squared0.9994

6、40    Mean dependent var2323.710Adjusted R-squared0.999364    S.D. dependent var2354.344S.E. of regression59.39227    Akaike info criterion11.14684Sum squared resid77603.71    Schwarz criterion11.34040Log likelihood-140.

7、9090    Hannan-Quinn criter.11.20258F-statistic13087.46    Durbin-Watson stat1.717996Prob(F-statistic)0.000000Inverted AR Roots      1.06          .47Estimated AR process is nonsta

8、tionaryDW檢驗(yàn)值達(dá)到了1.717996，消除了自相關(guān)。 沒(méi)有消除和消除了自相關(guān)的回歸方程為： SLC=0.370241380274GDPS+148.696223954 SLC=0.227124192654GDPS-863.176882154+(AR(1)=1.5361，AR(2)=-0.50362.【模型5】LOG(GDPS)對(duì)T回歸自相關(guān)的處理Dependent Variable: LOG(GDPS)Method: Least SquaresDate: 06/14/15 Time: 11:26Sample (adjusted): 1980 2005Included observati

9、ons: 26 after adjustmentsConvergence achieved after 3 iterationsCoefficientStd. Errort-StatisticProb.  T0.1839360.01169015.734610.0000C5.0200030.21424123.431600.0000AR(1)1.4706870.1669128.8111310.0000AR(2)-0.6135370.174363-3.5187370.0019R-squared0.998601    Mean depende

10、nt 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-Qu

11、inn criter.-2.654369F-statistic5233.128    Durbin-Watson stat1.920812Prob(F-statistic)0.000000Inverted AR Roots .74+.27i     .74-.27iDW檢驗(yàn)值達(dá)到了1.920812，消除了自相關(guān) 沒(méi)有消除和消除了自相關(guān)的回歸方程為： Log(GDPS)=0.1885795351*T+4.95074562823 Log(GDPS)=0.183935743608*T+5.020002

12、86764+(AR(1)=1.4707,AR(2)=-0.6135)（請(qǐng)對(duì)得到的圖表進(jìn)行處理，以上在一頁(yè)內(nèi)）（三）補(bǔ)充實(shí)驗(yàn)1.使用圖形檢驗(yàn)法檢驗(yàn)【模型5】是否存在自相關(guān)問(wèn)題。分別作這個(gè)模型的殘差散點(diǎn)圖（即殘差后一項(xiàng)對(duì)前一項(xiàng)的散點(diǎn)圖：對(duì)）和殘差趨勢(shì)圖（即殘差對(duì)時(shí)間的線圖），并判斷模型是否存在自相關(guān)以及是正的自相關(guān)還是負(fù)的自相關(guān)。從圖上看，log(GDPS)對(duì)T回歸的殘差也有很強(qiáng)的正自相關(guān)（請(qǐng)對(duì)得到的圖表進(jìn)行處理，以上在一頁(yè)內(nèi)）2.計(jì)算上述【模型4】的D-W統(tǒng)計(jì)量的值，判斷模型是否存在自相關(guān)問(wèn)題。log（cs）= 3.061611+ 0.159151*T (0.00644999) (0.00038

13、8595) (47.46694) (40.95545) R2=0.984736 SE=0.166099 DW=0.670889 F=1677.3493.對(duì)【模型1】、【模型2】和【模型4】的自相關(guān)問(wèn)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 achieved after 5 iterationsCoefficient

14、Std. Errort-StatisticProb.  GDPS0.0801460.00310025.851880.0000C12.3092530.167590.4080290.6869AR(1)0.5280600.1731273.0501300.0055R-squared0.989511    Mean dependent var464.6559Adjusted R-squared0.988637    S.D. dependent var512.8281S.E. of regression5

15、4.66577    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)0.000

16、000Inverted AR Roots      .53【模型2】Dependent Variable: CSMethod: Least SquaresDate: 06/14/15 Time: 11:35Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 4 iterationsCoefficientStd. Errort-StatisticProb.  CZ0.7784

17、150.01331458.464490.0000C19.7490911.933931.6548680.1110AR(1)0.2188730.1992821.0983080.2830R-squared0.995395    Mean dependent var464.6559Adjusted R-squared0.995011    S.D. dependent var512.8281S.E. of regression36.22199    Akaike info crite

18、rion10.12165Sum squared resid31488.78    Schwarz criterion10.26563Log likelihood-133.6423    Hannan-Quinn criter.10.16446F-statistic2593.808    Durbin-Watson stat1.788804Prob(F-statistic)0.000000Inverted AR Roots    

19、0; .22【模型4】Dependent Variable: LOG(CS)Method: Least SquaresDate: 06/14/15 Time: 11:37Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 3 iterationsCoefficientStd. Errort-StatisticProb.  T0.1674380.00518532.293370.0000C2.8924940.09555930.

20、269150.0000AR(1)0.4803360.1200454.0013070.0005R-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 

21、   Schwarz criterion-1.486268Log likelihood25.00837    Hannan-Quinn criter.-1.587436F-statistic2127.985    Durbin-Watson stat2.262057Prob(F-statistic)0.000000Inverted AR Roots      .48（請(qǐng)對(duì)得到的圖表進(jìn)行處理，以上在一頁(yè)內(nèi)）二、實(shí)驗(yàn)總結(jié)與評(píng)價(jià)實(shí)驗(yàn)

22、總結(jié)（包括實(shí)驗(yàn)數(shù)據(jù)分析、實(shí)驗(yàn)結(jié)果、實(shí)驗(yàn)過(guò)程中出現(xiàn)的問(wèn)題及解決方法等）：見(jiàn)實(shí)驗(yàn)步驟中。1、當(dāng)總體回歸模型的隨機(jī)誤差項(xiàng)在不同觀測(cè)點(diǎn)上彼此相關(guān)時(shí)就產(chǎn)生了自相關(guān)問(wèn)題。 2、 時(shí)間序列的慣性、經(jīng)濟(jì)活動(dòng)的滯后效應(yīng)、模型設(shè)定錯(cuò)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(shí)，普通最小二乘估計(jì)量依然是無(wú)偏、一致的，但不再是有效的。如果仍用OLS法計(jì)算參數(shù)估計(jì)值的方差，將可能會(huì)低估存在自相關(guān)時(shí)參數(shù)估計(jì)值的真實(shí)方差。而且會(huì)低估真實(shí)的數(shù)據(jù)的低估和參數(shù)估計(jì)值方差的低估，通常的t檢驗(yàn)和F檢驗(yàn)都不能有效地使用，也使預(yù)測(cè)的置信區(qū)間不可靠，降低了預(yù)測(cè)的精度。 4、 隨機(jī)誤差項(xiàng)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=1，2，m），即AR（m）。為了研究問(wèn)題的方便和考慮