eviews違背經(jīng)典假定的回歸模型

1、2022-5-181第七章第七章 違背經(jīng)典假定的回歸模型違背經(jīng)典假定的回歸模型 7.1 多重共線性的診斷及處理方法多重共線性的診斷及處理方法 7.2 異方差診斷及改進方法異方差診斷及改進方法 7.3 自相關(guān)的檢驗及補救方法自相關(guān)的檢驗及補救方法2022-5-1827.1 多重共線性的診斷及處理方法多重共線性的診斷及處理方法oQ：經(jīng)典線性回歸模型中有哪些基本假定？：經(jīng)典線性回歸模型中有哪些基本假定？1、回歸模型對參數(shù)而言是線性的；、回歸模型對參數(shù)而言是線性的；2、各自變量、各自變量Xi的值在重復(fù)抽樣中是固定的；的值在重復(fù)抽樣中是固定的；3、對給定的、對給定的Xi，隨機干擾項，隨機干擾項ui的均值

2、為零；的均值為零；4、對給定的、對給定的Xi，隨機干擾項，隨機干擾項ui的方差不變；的方差不變；5、對給定的、對給定的Xi，隨機干擾項，隨機干擾項ui無自相關(guān)；無自相關(guān)；6、如果、如果Xi是隨機的，則干擾項是隨機的，則干擾項ui與與Xi是不相關(guān)的；是不相關(guān)的；7、觀測次數(shù)必定大于自變量的個數(shù)；、觀測次數(shù)必定大于自變量的個數(shù)；8、自變量的取值必須有足夠的變異性；、自變量的取值必須有足夠的變異性；9、回歸模型是正確設(shè)定的；、回歸模型是正確設(shè)定的；10、自變量之間無準(zhǔn)確的線性關(guān)系，即無多重共線性；、自變量之間無準(zhǔn)確的線性關(guān)系，即無多重共線性；11、隨機干擾項、隨機干擾項ui是正態(tài)分布的。是正態(tài)分布的

3、。2022-5-1837.1.1 多重共線性基本知識多重共線性基本知識oQ1：什么是多重共線性？：什么是多重共線性？1.完全共線性完全共線性:是指解釋變量存在下列線性關(guān)系是指解釋變量存在下列線性關(guān)系:1122120(,)kkkXXX 其中不全為零312132222(0)kiiikiXXXX2.欠完全線性關(guān)系欠完全線性關(guān)系:是指解釋變量與誤差項存在下列線性關(guān)系是指解釋變量與誤差項存在下列線性關(guān)系:1221210 (, ,kkikiXXXvv 其 中不 全 為 零 為 隨 機 誤 差 項 ）31213222221(0)kiiikiiXXXXv 2022-5-184Q2：產(chǎn)生多重共線性的原因有哪些？

4、：產(chǎn)生多重共線性的原因有哪些？1、經(jīng)濟變量之間具有共同變化趨勢。、經(jīng)濟變量之間具有共同變化趨勢。 2、模型中包含滯后變量。、模型中包含滯后變量。 3、利用截面數(shù)據(jù)建立模型也可能出現(xiàn)多重共、利用截面數(shù)據(jù)建立模型也可能出現(xiàn)多重共 線性。線性。 4、樣本數(shù)據(jù)自身的原因。、樣本數(shù)據(jù)自身的原因。 2022-5-185Q3：多重共線性會導(dǎo)致哪些后果？：多重共線性會導(dǎo)致哪些后果？o如果多重共線性是完全的，各如果多重共線性是完全的，各X變量的回歸系數(shù)將變量的回歸系數(shù)將是不確定的，并且其標(biāo)準(zhǔn)誤為無窮大是不確定的，并且其標(biāo)準(zhǔn)誤為無窮大o如果多重共線性是欠完全的，那么，回歸系數(shù)雖然如果多重共線性是欠完全的，那么，回

5、歸系數(shù)雖然可以確定，但標(biāo)準(zhǔn)誤較大，回歸系數(shù)的估計精確度可以確定，但標(biāo)準(zhǔn)誤較大，回歸系數(shù)的估計精確度下降下降o出現(xiàn)多重共線性時，估計值穩(wěn)定性差，有時回歸方出現(xiàn)多重共線性時，估計值穩(wěn)定性差，有時回歸方程整體高度顯著，有些回歸系數(shù)則通不過顯著性檢程整體高度顯著，有些回歸系數(shù)則通不過顯著性檢驗，回歸系數(shù)的符號也可能出現(xiàn)倒置，使得無法對驗，回歸系數(shù)的符號也可能出現(xiàn)倒置，使得無法對回歸方程得到合理的經(jīng)濟解釋，直接影響到最小二回歸方程得到合理的經(jīng)濟解釋，直接影響到最小二乘法的應(yīng)用效果，降低回歸方程的應(yīng)用價值乘法的應(yīng)用效果，降低回歸方程的應(yīng)用價值2022-5-1867.1.2 多重共線性的診斷及處理方法多重共

6、線性的診斷及處理方法oQ1:檢驗回歸模型中變量之間多重共線性的方法主要有哪些檢驗回歸模型中變量之間多重共線性的方法主要有哪些?o一、簡單相關(guān)系數(shù)檢驗法一、簡單相關(guān)系數(shù)檢驗法o含義：含義：是利用解釋變量之間的線性相關(guān)程度去判斷是否是利用解釋變量之間的線性相關(guān)程度去判斷是否存在嚴(yán)重多重共線性的一種簡便方法。存在嚴(yán)重多重共線性的一種簡便方法。o判斷規(guī)則：判斷規(guī)則：一般而言，如果每兩個解釋變量的簡單相關(guān)一般而言，如果每兩個解釋變量的簡單相關(guān)系數(shù)系數(shù)(零階相關(guān)系數(shù)零階相關(guān)系數(shù))比較高，如大于比較高，如大于0.8，則可認(rèn)為存，則可認(rèn)為存在著較嚴(yán)重的多重共線性。在著較嚴(yán)重的多重共線性。o注意事項：注意事項：

7、較高的簡單相關(guān)系數(shù)只是多重共線性存在的較高的簡單相關(guān)系數(shù)只是多重共線性存在的充分條件，而不是必要條件。特別是在多于兩個解釋變充分條件，而不是必要條件。特別是在多于兩個解釋變量的回歸模型中，有時較低的簡單相關(guān)系數(shù)也可能存在量的回歸模型中，有時較低的簡單相關(guān)系數(shù)也可能存在多重共線性。因此并不能簡單地依據(jù)相關(guān)系數(shù)進行多重多重共線性。因此并不能簡單地依據(jù)相關(guān)系數(shù)進行多重共線性的準(zhǔn)確判斷。共線性的準(zhǔn)確判斷。2022-5-187二、二、方差擴大（膨脹）因子法方差擴大（膨脹）因子法222221var()()1jjjjjRxVIFx211jjRVIF經(jīng)驗表明，當(dāng)經(jīng)驗表明，當(dāng)VIFj 10時，說明自變量時，說明

8、自變量Xj與與其余自變量之間有嚴(yán)重多重共線性其余自變量之間有嚴(yán)重多重共線性2022-5-188三、直觀判斷法三、直觀判斷法如果出現(xiàn)下列情況時，認(rèn)為可能存在多重共線性如果出現(xiàn)下列情況時，認(rèn)為可能存在多重共線性（1）當(dāng)增加或剔除一個自變量或者改變一個觀察）當(dāng)增加或剔除一個自變量或者改變一個觀察 值時，回歸系數(shù)的估計值發(fā)生較大變化值時，回歸系數(shù)的估計值發(fā)生較大變化（2）從定性分析認(rèn)為，一些重要的自變量在回歸）從定性分析認(rèn)為，一些重要的自變量在回歸 方程中沒有通過顯著性檢驗方程中沒有通過顯著性檢驗（3）有些自變量的回歸系數(shù)符號與定性分析結(jié)果）有些自變量的回歸系數(shù)符號與定性分析結(jié)果 違背時違背時（4）自

9、變量相關(guān)矩陣中，自變量之間的相關(guān)系數(shù)）自變量相關(guān)矩陣中，自變量之間的相關(guān)系數(shù) 較大較大（5）一些重要自變量的回歸系數(shù)的標(biāo)準(zhǔn)誤差較大）一些重要自變量的回歸系數(shù)的標(biāo)準(zhǔn)誤差較大2022-5-189Q2:處理多重共線性的方法主要有哪些處理多重共線性的方法主要有哪些?1、剔除變量法、剔除變量法2、增大樣本容量、增大樣本容量3、變換模型形式、變換模型形式4、利用非樣本先驗信息、利用非樣本先驗信息5、橫截面數(shù)據(jù)與時序數(shù)據(jù)并用、橫截面數(shù)據(jù)與時序數(shù)據(jù)并用6、變量變換、變量變換7、逐步回歸法、逐步回歸法8、使用有偏估計（嶺回歸法、主成分法、偏最小二、使用有偏估計（嶺回歸法、主成分法、偏最小二乘法等）乘法等）202

10、2-5-1810實際案例及實際案例及EViews應(yīng)用應(yīng)用 為了研究我國民航客運量的變化趨勢及其成因，為了研究我國民航客運量的變化趨勢及其成因，我們以我國連續(xù)我們以我國連續(xù)1616年的數(shù)據(jù)進行分析。其中，民航年的數(shù)據(jù)進行分析。其中，民航客運量作為被解釋變量，以國民收入、消費額、鐵客運量作為被解釋變量，以國民收入、消費額、鐵路客運量、民航航線里程、來華旅游入境人數(shù)為影路客運量、民航航線里程、來華旅游入境人數(shù)為影響民航客運量的主要因素。響民航客運量的主要因素。 Y Y 表示民航客運量（萬人），表示民航客運量（萬人），X X1 1表示國民收入表示國民收入（億元），（億元），X X2 2表示消費額（億元

11、），表示消費額（億元），X X3 3表示鐵路客表示鐵路客運量（萬人），運量（萬人），X X4 4表示民航航線里程（萬公里），表示民航航線里程（萬公里）， X X5 5表示來華旅游入境人數(shù)（萬人）。表示來華旅游入境人數(shù)（萬人）。2022-5-1811EViews操作操作o1、建立回歸方程利用最小二乘法，建立回歸方程y=b0+b1*x1+b2*x2+b3*x3+b4*x4+b5*x5命令為命令為ls y c x1 x2 x3 x4 x5得到右窗口2022-5-1812o2、簡單相關(guān)系數(shù)檢驗法、簡單相關(guān)系數(shù)檢驗法o命令為命令為cor x1 x2 x3 x4 x5o從解釋變量的相關(guān)系數(shù)來看，從解釋變量

12、的相關(guān)系數(shù)來看，x1、x2、x4、x5之之間的相關(guān)系數(shù)都在間的相關(guān)系數(shù)都在90%以上，證明解釋變量之間存以上，證明解釋變量之間存在相關(guān)性。在相關(guān)性。2022-5-1813o3、方差膨脹因子檢驗法、方差膨脹因子檢驗法o作輔助回歸作輔助回歸 x1=b0+b1*x2+b2*x3+b3*x4+b4*x5 命令命令 ls x1 c x2 x3 x4 x5o計算方差膨脹因子計算方差膨脹因子 命令命令 Scalar VIFX1=1/(1-eqx1.r2）o同理可求同理可求x2、x3、x4、x5對應(yīng)的方差膨脹因子對應(yīng)的方差膨脹因子 vifx1=1963.34,vifx2=1741.51,vifx3=3.17,

13、 vifx4=55.49, vifx5=25.192022-5-1814o4、模型的修正（剔除法）、模型的修正（剔除法）o剔除剔除x1，建立，建立y與與x2、x3、x4、x5的回歸方程，的回歸方程， 結(jié)果如下結(jié)果如下2022-5-1815o結(jié)果中結(jié)果中x2的回歸系數(shù)為負(fù)，與經(jīng)濟理論不符。按上述方法計算的回歸系數(shù)為負(fù)，與經(jīng)濟理論不符。按上述方法計算x2,x3,x4,x5對應(yīng)的方差膨脹因子分別為對應(yīng)的方差膨脹因子分別為vif2=77.55, vif3=2.32, vif4=33.81, vif5=24.47, 因因vif2=77.5510,說明上述模型依然有較嚴(yán)重的多重共線性。說明上述模型依然有較

14、嚴(yán)重的多重共線性。o剔除剔除x2 ，建立，建立y與與x3、x4、x5的回歸方程，結(jié)果如下的回歸方程，結(jié)果如下2022-5-18167.2 異方差診斷及改進方法異方差診斷及改進方法7.2.1 異方差基本異方差基本知識知識oQ1：什么是異方差性？：什么是異方差性？ 異方差性異方差性: 在線性模型的基本假在線性模型的基本假定中，關(guān)于方差不變的假定不成立，定中，關(guān)于方差不變的假定不成立，其他假定不變的情形稱為異方差性。其他假定不變的情形稱為異方差性。2022-5-1817Q2：產(chǎn)生異方差性的原因有哪些？：產(chǎn)生異方差性的原因有哪些？2022-5-18182022-5-1819niuXYii, 2 , 1

15、,212022-5-18202022-5-1821uYAK L e2022-5-18222022-5-1823Q3：異方差性會導(dǎo)致哪些后果？：異方差性會導(dǎo)致哪些后果？o 當(dāng)模型中存在異方差時，參數(shù)當(dāng)模型中存在異方差時，參數(shù) 的方差將大于的方差將大于在同方差條件下的方差。如果用普通最小二乘法估計在同方差條件下的方差。如果用普通最小二乘法估計參數(shù)，將出現(xiàn)低估參數(shù)，將出現(xiàn)低估 的真實方差的情況。進一步將的真實方差的情況。進一步將導(dǎo)致回歸系數(shù)的檢驗值高估，可能造成本來不顯著的導(dǎo)致回歸系數(shù)的檢驗值高估，可能造成本來不顯著的某些回歸系數(shù)變成顯著。這將給回歸方程的應(yīng)用效果某些回歸系數(shù)變成顯著。這將給回歸方程

16、的應(yīng)用效果帶來一些影響。帶來一些影響。o 2022-5-18242ieiYiXni, 2 , 1 7.2.2 異方差性的診斷及改進方法異方差性的診斷及改進方法Q1:回歸模型中異方差性的檢驗方法有哪些回歸模型中異方差性的檢驗方法有哪些?2022-5-1825在在EViews軟件包中，直接給出了以軟件包中，直接給出了以ei 為縱坐標(biāo)，以觀測時間或序號為橫坐標(biāo)的殘為縱坐標(biāo)，以觀測時間或序號為橫坐標(biāo)的殘差圖。差圖。 如果回歸模型適合于樣本數(shù)據(jù)，那么殘如果回歸模型適合于樣本數(shù)據(jù)，那么殘差差i應(yīng)反映應(yīng)反映i 所假定的性質(zhì)，因此可以根據(jù)所假定的性質(zhì)，因此可以根據(jù)i 來判斷回歸模型來判斷回歸模型i 是否具有某

17、些性質(zhì)。一是否具有某些性質(zhì)。一般情況下，當(dāng)回歸模型滿足所有假定時，以般情況下，當(dāng)回歸模型滿足所有假定時，以i為縱坐標(biāo)的殘差圖上為縱坐標(biāo)的殘差圖上n個點的散布應(yīng)是隨機個點的散布應(yīng)是隨機的、無任何規(guī)律。的、無任何規(guī)律。2022-5-18262022-5-18272111RSSnk2222RSSnk12111niiRSSe22221niiRSSe2022-5-182821112222/()/()RSSnkFRSSnk2022-5-1829 12,Fnk nk2022-5-18302022-5-1831ie12iiieXv121iiievX12iiieXv2212iiieXv2022-5-18320:

18、21H0:20H022022-5-1833（四）懷特檢驗（四）懷特檢驗用殘差平方用殘差平方 對所有解釋變量及其平方對所有解釋變量及其平方項和交叉乘積項項和交叉乘積項 進行線性回歸，并檢驗各回歸系數(shù)是否進行線性回歸，并檢驗各回歸系數(shù)是否為。為。2ie22232323,XXXXX X2022-5-1834 對于兩個解釋變量的回歸模型對于兩個解釋變量的回歸模型iiiiuXXY33221 懷特檢驗步驟如下：懷特檢驗步驟如下： 第一步，第一步，使用普通最小二乘法估使用普通最小二乘法估計上述模型，并獲得殘差計上述模型，并獲得殘差 e ei i 。2022-5-1835第二步，第二步，做如下的輔助回歸做如下

19、的輔助回歸iiiiiiiivXXXXXXe326235224332212就是將殘差就是將殘差e ei i 的平方的平方 對所有的解釋變對所有的解釋變量及解釋變量的平方與交叉積回歸，求量及解釋變量的平方與交叉積回歸，求這個輔助回歸的判定系數(shù)這個輔助回歸的判定系數(shù) R R2 2 。2ie2022-5-1836 第三步，第三步，在無異方差的原假設(shè)下，可以在無異方差的原假設(shè)下，可以證明，輔助回歸的證明，輔助回歸的 R2 乘以樣本容量乘以樣本容量n n，漸，漸近地服從自由度為輔助回歸中解釋變量個近地服從自由度為輔助回歸中解釋變量個數(shù)數(shù) r（不包括常數(shù)項）（不包括常數(shù)項）的的x2分布，即分布，即)(22r

20、Rn 在本例中，輔助回歸有在本例中，輔助回歸有5 5個解釋變量，個解釋變量，因此因此r r=5=5。2022-5-1837 第四步，第四步，如果如果 大于選定顯著性大于選定顯著性水平的臨界水平的臨界 值，則有異方差。如果不值，則有異方差。如果不大于臨界大于臨界 值，則無異方差，即在輔助值，則無異方差，即在輔助回歸中，回歸中， 。 在在EViews軟件中，給出了懷特檢驗程軟件中，給出了懷特檢驗程序，可以直接輸入相應(yīng)條件，即可獲得懷序，可以直接輸入相應(yīng)條件，即可獲得懷特檢驗的結(jié)果。特檢驗的結(jié)果。2Rn220654322022-5-1838Q2:處理異方差性的方法主要有哪些處理異方差性的方法主要有哪

21、些? 當(dāng)我們所研究的問題存在異方差性時，就違背了當(dāng)我們所研究的問題存在異方差性時，就違背了線性回歸模型的經(jīng)典假定。此時，就不能用普通最小線性回歸模型的經(jīng)典假定。此時，就不能用普通最小二乘法進行參數(shù)估計，必須尋求適當(dāng)?shù)难a救方法，對二乘法進行參數(shù)估計，必須尋求適當(dāng)?shù)难a救方法，對原來的模型進行變換，使變換后的模型滿足同方差性原來的模型進行變換，使變換后的模型滿足同方差性假定，然后進行模型參數(shù)的估計，就可得到理想的回假定，然后進行模型參數(shù)的估計，就可得到理想的回歸模型。歸模型。在在EViews中通常是采用中通常是采用加權(quán)最小二乘法加權(quán)最小二乘法( (wls) )來消除異方差性。來消除異方差性。2022

22、-5-183912,1,2,iiiYXu in2022-5-18402i2ii/112iiiiiiiYXu2022-5-184122211()( )1iiiiiiuVarVar u 2022-5-18422022-5-18432022-5-18442i 2i2022-5-1845iiXe 與iiiXuE222iX1iX12022-5-1846iiiiiiXuXXXY212022-5-184721,2022-5-1848iiXe 與2222)(iiiXuE2022-5-1849iiiiiXuXXY212022-5-1850 21,122022-5-1851實際案例及實際案例及EViews應(yīng)用應(yīng)用

23、2022-5-18522022-5-18532022-5-18542022-5-1855EViews操作o1、建立回歸方程、建立回歸方程o 回歸方程為y=b0+b1*xo 命令為ls y c x2022-5-1856o2、圖形法檢驗、圖形法檢驗o以因變量為橫坐標(biāo)，以因變量為橫坐標(biāo)，以殘差估計值為縱坐以殘差估計值為縱坐標(biāo)根據(jù)散點圖直觀判標(biāo)根據(jù)散點圖直觀判斷是否存在相關(guān)斷是否存在相關(guān)o菜單操作：在菜單操作：在x和和resid的組窗口點的組窗口點view/graph/scatter/simple scattero命令：命令：scat x resid 得到右窗口得到右窗口2022-5-18573、懷特

24、、懷特(White)檢驗檢驗o該檢驗的零假設(shè)是殘差該檢驗的零假設(shè)是殘差不存在異方差性。不存在異方差性。o菜單操作：在原估計方菜單操作：在原估計方程窗口選程窗口選 view/ residual tests/ white heteroskedasticity (no cross terms)o命令：命令：white eq01 o得到右圖：得到右圖： 2022-5-18584、戈里瑟、戈里瑟 (Glejser)檢驗檢驗oGlejser檢驗的幾種常見形式為：檢驗的幾種常見形式為：形式1234 e =1x1/x1x21x1/22022-5-1859以形式以形式1為例簡要說明為例簡要說明Glejesr檢驗

25、檢驗o命令:ls abs(resid01) c x 得到右圖可知：參數(shù)較顯著2022-5-18605、異方差的處理、異方差的處理o處理異方差最常用的方法是處理異方差最常用的方法是加權(quán)最小二乘法加權(quán)最小二乘法(WLS) ，一般用于異方差形式已知的情況。，一般用于異方差形式已知的情況?；舅悸肥琴x予殘差的每個觀測值不同的權(quán)基本思路是賦予殘差的每個觀測值不同的權(quán)數(shù)，從而使模型的隨機誤差項具有同方差性。數(shù)，從而使模型的隨機誤差項具有同方差性。o使用加權(quán)最小二乘法估計方程，首先到主菜使用加權(quán)最小二乘法估計方程，首先到主菜單中選單中選Quick/ Estimate Equation , , 然后選擇然后選

26、擇LS-Least Squares (NLS and ARMA)。在對話框中輸入方程說明和樣本，。在對話框中輸入方程說明和樣本，然后按然后按Options鈕鈕, , 輸入權(quán)數(shù)序列。輸入權(quán)數(shù)序列。 2022-5-1861WLS的處理：的處理：輸入待估方程默認(rèn)ls方法選擇此按紐2022-5-1862選擇wls方法輸入權(quán)重2022-5-18632022-5-1864檢驗檢驗wls估計后的方程的異方差性估計后的方程的異方差性o對white檢驗的結(jié)果進行比較可以看出加權(quán)后的模型已經(jīng)基本上消除了異方差性。unweightedweighted2022-5-1865Eviews處理異方差時需要注意的問題處理異

27、方差時需要注意的問題oWhite檢驗如果采用命令方式要注意檢驗的是檢驗如果采用命令方式要注意檢驗的是workfile中的當(dāng)前方程的異方差。中的當(dāng)前方程的異方差。o用用wls一般是異方差形式已知時，如果異方差形式一般是異方差形式已知時，如果異方差形式未知，應(yīng)該先估計異方差的形式或用其余的處理方未知，應(yīng)該先估計異方差的形式或用其余的處理方法。法。o每估計一個方程，殘差每估計一個方程，殘差resid序列就會隨當(dāng)前估計序列就會隨當(dāng)前估計的方程而變化，因此要時刻注意將殘差序列保存才的方程而變化，因此要時刻注意將殘差序列保存才不至于在確定權(quán)重時出錯。不至于在確定權(quán)重時出錯。2022-5-18667.3 自

28、相關(guān)的檢驗及補救方法自相關(guān)的檢驗及補救方法o自相關(guān)的含義自相關(guān)的含義 o自相關(guān)產(chǎn)生的原因自相關(guān)產(chǎn)生的原因o自相關(guān)的檢驗自相關(guān)的檢驗 o自相關(guān)影響的修正方法自相關(guān)影響的修正方法 o案例分析及案例分析及EViews操作操作 2022-5-1867自相關(guān)的概念自相關(guān)的概念在回歸模型中我們總假定不同時點的隨機誤差項之間是不相關(guān)的，即 ji 0),(0)(jijiuuCovuuE或或者者如果一個回歸模型不滿足上述假設(shè)，即如果一個回歸模型不滿足上述假設(shè)，即 ji 0),(0)(jijiuuCovuuE或或者者則我們稱隨機誤差項之間存在自相關(guān)現(xiàn)象。則我們稱隨機誤差項之間存在自相關(guān)現(xiàn)象。 2022-5-186

29、8自相關(guān)產(chǎn)生的原因自相關(guān)產(chǎn)生的原因 1.經(jīng)濟變量的慣性經(jīng)濟變量的慣性2.設(shè)定偏誤設(shè)定偏誤：遺漏關(guān)鍵變量：遺漏關(guān)鍵變量3.設(shè)定偏誤設(shè)定偏誤：采用錯誤的回歸函數(shù)形式：采用錯誤的回歸函數(shù)形式4.蛛網(wǎng)現(xiàn)象可能帶來序列的自相關(guān)性：蛛網(wǎng)現(xiàn)象可能帶來序列的自相關(guān)性：5.滯后效應(yīng)：如當(dāng)期收入和前期消費影響當(dāng)期消費支出滯后效應(yīng)：如當(dāng)期收入和前期消費影響當(dāng)期消費支出6.對數(shù)據(jù)加工整理：對數(shù)據(jù)加工整理：如根據(jù)季度數(shù)據(jù)計算月平均值以燙平波動；如根據(jù)季度數(shù)據(jù)計算月平均值以燙平波動；數(shù)據(jù)的內(nèi)插或外推。數(shù)據(jù)的內(nèi)插或外推。雖然自相關(guān)問題經(jīng)常出現(xiàn)在時間序列數(shù)據(jù)中，有時也會出現(xiàn)的橫截雖然自相關(guān)問題經(jīng)常出現(xiàn)在時間序列數(shù)據(jù)中，有時也

30、會出現(xiàn)的橫截面數(shù)據(jù)中。面數(shù)據(jù)中。2022-5-1869自相關(guān)的檢驗自相關(guān)的檢驗o散點圖法散點圖法 oDW檢驗法檢驗法 o回歸檢驗法回歸檢驗法 2022-5-1870散點圖法散點圖法 o殘差的自相關(guān)圖殘差的自相關(guān)圖o殘差的時序圖殘差的時序圖 2022-5-1871殘差的自相關(guān)圖殘差的自相關(guān)圖o此方法即為計算當(dāng)前殘差與滯后一期殘差的此方法即為計算當(dāng)前殘差與滯后一期殘差的散點圖。如果大部分點落在一、三象限，則散點圖。如果大部分點落在一、三象限，則表明隨機項存在正自相關(guān)。如果大部分點落表明隨機項存在正自相關(guān)。如果大部分點落在二、四象限則表明隨機項存在負(fù)相關(guān)在二、四象限則表明隨機項存在負(fù)相關(guān), ,下下面

31、給出正相關(guān)的圖象，如下圖所示。面給出正相關(guān)的圖象，如下圖所示。 2022-5-1872正相關(guān)2022-5-1873殘差的時序圖殘差的時序圖o殘差的時序圖即殘差的時序圖即殘差隨時間變化的圖象殘差隨時間變化的圖象。對。對隨機項的時間序列，如果隨著時間的變化，隨機項的時間序列，如果隨著時間的變化，若干個隨機項都有大于若干個隨機項都有大于0的傾向，隨后的若的傾向，隨后的若干個隨機項都有小于干個隨機項都有小于0的傾向，我們說具有的傾向，我們說具有正相關(guān)性；而負(fù)自相關(guān)則意味著兩個相繼的正相關(guān)性；而負(fù)自相關(guān)則意味著兩個相繼的隨機項具有正負(fù)相反的傾向，下面給出正相隨機項具有正負(fù)相反的傾向，下面給出正相關(guān)的圖象

32、：關(guān)的圖象： 2022-5-1874正相關(guān)2022-5-1875DW檢驗法檢驗法 它是它是J.Durbin和和G.S.Watson 于于1951年提出的一種適用于小樣本的一種檢年提出的一種適用于小樣本的一種檢驗方法。驗方法。DW檢驗只能用于檢驗隨機誤差項檢驗只能用于檢驗隨機誤差項具有一階自回歸形式的自相關(guān)問題。它是建具有一階自回歸形式的自相關(guān)問題。它是建立經(jīng)濟計量學(xué)模型中最常用的方法，一般計立經(jīng)濟計量學(xué)模型中最常用的方法，一般計算機軟件都可以計算出算機軟件都可以計算出DW值。值。 2022-5-1876 2022-5-1877回歸檢驗法回歸檢驗法 o首先對樣本觀測值應(yīng)用首先對樣本觀測值應(yīng)用OLS估計模型，并求估計模型，并求出殘差項出殘差項e；然后以；然后以et為被解釋變量，對不為被解釋變量，對不同形式的自回歸進行線性擬合，其主要步聚同形式的自回歸進行線性擬合，其主要步聚如下：如下：n 對樣本觀測值用對樣本觀測值用OLS法建立線性回歸模型，然法建立線性回歸模型，然后計算殘差。后計算殘差。n由于事先不知自相關(guān)的類型，可以對不同形式由于事先不知自相關(guān)的類型，可以對不同形式的自回歸結(jié)構(gòu)進行試驗。的自回歸結(jié)構(gòu)進行試驗。 2022-5-1878自相關(guān)影響的