计量经济学自相关教学ppt
合集下载
2024版计量经济学全册课件(完整)pptx
REPORTING
2024/1/28
23
EViews软件介绍及操作指南
EViews软件概述
EViews是一款功能强大的计量经济学 软件，提供数据处理、统计分析、模型
估计和预测等功能。
统计分析与检验
2024/1/28
详细讲解EViews中的统计分析工具， 包括描述性统计、假设检验、方差分
析等。
数据导入与预处理 介绍如何在EViews中导入数据，进行 数据清洗、转换和预处理等操作。
随着大数据时代的到来，机器学 习算法在数据挖掘、预测和分类 等方面展现出强大的能力，为计 量经济学提供了新的研究工具和 方法。
机器学习在计量经济 学中的应用领域
机器学习在计量经济学中的应用 领域广泛，如变量选择、模型选 择、非线性模型估计、高维数据 处理等。
机器学习在计量经济 学中的常用算法
机器学习在计量经济学中常用的 算法包括决策树、随机森林、支 持向量机（SVM）、神经网络等。 这些算法可以用于分类、回归、 聚类等任务，提高模型的预测精 度和解释力。
面板数据特点
同时具有时间序列和截面数据的特征，能够提供更多的信息、更多的变化、更少共 线性、更多的自由度和更高的估计效率。
2024/1/28
20
固定效应模型与随机效应模型
固定效应模型（Fixed Effects Model）
对于特定的个体而言，其截距项是固定的，不随时间变化而变化。
随机效应模型（Random Effects Mode…
经典线性回归模型
REPORTING
2024/1/28
7
一元线性回归模型
模型设定与参数估计
介绍一元线性回归模型的基本形式， 解释因变量、自变量和误差项的含义， 阐述最小二乘法（OLS）进行参数估 计的原理。
计量经济学自相关性课件
t (b)
et 1
如图（b）所示，扰动项的估计值呈锯齿状，随时间 逐次改变符号，表明存在负相关。
二、D-W检验
(一) 假定条件
1、假定变量X是非随机的； 2、随机误差项为一阶自回归形式，即
ut ut 1 t (且误差项 t 满足古典假定 )；
3、无滞后的内生变量作为解释变量； 4、截距项不为零； 5、无缺损数据
ts
注：自相关多出现在时间序列数据中。
二、自相关性产生的原因
1、经济变量惯性的作用 由于经济发展存在一定的趋势（自相关性主要产生于时间序列），形成惯性，所 以许多经济变量前后期总是相互关联的，即期的变量受以前各期的影响。这样，
在建立回归模型时，随机扰动项将会序列相关。
例如：当年的投资规模与前一年、甚至前几年的投资有关； 当期家庭消费水平在很大程度受上期消费水平的制约； 企业第 t 期的产量与第 t-1、t-2、--- 期密切相关。 2、滞后效应
Yt 0 1 X 1t 2 X 2t 3Yt 1 t Yt 0 1 X 1t 2 X 2t t
则随机干扰项很可能有自相关。
3、随机偶然因素的干扰
战争、自然灾害等偶然（随机）因素的干扰造成的影响，常常要延续若干时期，反 映在模型中就是干扰项有序列相关。
将残差对时间描点。
如图（a）所示，扰动项的估计值呈循环形，并不频繁地改变符号， 而是相继若干个正的以后跟着几个负的。表明存在正自相关。
et
. . . . . . . . . . .
et
.
. . .. . . . . .. .
.
. .
.
.
. . .
t
et 1
第六章 自相关 《计量经济学》PPT课件
[(
1
ˆ
)
1
xt
ut
]2
(1 ˆ1)2 xt2 2(1 ˆ1) xt ut ut2
(6.2.11)
其中 xt ut xt ut (1 ˆ1) xt2
u
2 t
ut ut
ut2
1 n
ut ut
t t
(1
1 n
)
u
2 t
2 n
ut
t t
ut
所以
2 t
(1
ˆ 1 )2
xt2
第六章 自相关 【本章要点】（1）自相关的概念，自相关强度的 量度—自相关系数，了解经济现象中自相关产生 的原因；（2）自相关性对模型参数估计的影响； （3）检验自相关性的主要方法；（4）消除自相 关影响的方法。 §6.1 自相关 一、自相关的概念
如果经典回归的基本假定4遭到破坏，则
COV(ut ,us)=E(ut us)≠0 , t≠s , t,s=1,2, …,n,即u的取值与 它的前一期或前几期的取值相关，则称u存在序列相关 或自相关。 自相关有正自相关和负自相关之分，对随机项的时间 序列u1,u2,…,un,…，当ut > 0时，随后的若干个随机项 ut+1,u t+2,…都有大于0的倾向，当ut < 0时，随后若干个 随机项都有小于0的倾向，我们说u具有正相关性；而 负自相关则意味着两个相继的随机项ut和ut+1具有正负 号相反的倾向。在经济数据中，常见的是正自相关现象。
(4)根据样本容量n，自变量个数和显著水平0.05 (或0.01)从D-W检验临界值表中查出dL和du。 (5)将d 的现实值与临界值进行比较： ①若d < dL，则否定H0，即u存在一阶线性正自相关； ②若d > 4- dL，则否定H0，即u存在一阶线性负自相关； ③若du< d < 4- du，则不否定 H0，即u不存在（一阶）线 性自相关；
PPT-第8章-自相关-计量经济学及Stata应用
p
QBP n
ˆ
2 j
d
2(
p)
j1
(8.7)
经改进的“Ljung-Box Q 统计量”(Ljung and Box, 1979)为
p ˆ2
QLB
n(n
2)
j1
n
j
j
d 2 ( p)
(8.8)
13
这两种 Q 统计量在大样本下等价，但 Ljung-Box Q 统计量的小 样本性质更好，为 Stata 所采用。
则待估参数多达(n 1)，随样本容量n 同步增长，也将导致估计量 不一致。
而且，对n1的估计将很不准确，因为只有一对数据(e1, en )可用 于此估计；类似地，对n2 的估计也不准确，因为只有两对数据
(e1, en1)、(e2 , en )可用于估计；以此类推。
正确的做法是，包括足够多阶数的自相关系数，并让此阶数 p随 着样本容量n 而增长。
n t 2
et2
2
n t 2
et et 1
tn1et2
e n 2
t2 t1
(8.9)
2 2
n t 2
ete
t 1
tn1et2
2(1
ˆ1)
其中， ˆ1为残差的一阶自相关系数。
15
当d 2时， ˆ1 0，无一阶自相关； 当d 0时， ˆ1 1，存在一阶正自相关； 当d 4时， ˆ1 1，存在一阶负自相关。
DW 检验的另一缺点是，其 d 统计量的分布还依赖于数据矩阵 X ，无法制表，须使用其上限分布dU 与下限分布dL (dL d dU )来 间接检验。
即便如此，仍存在“无结论区域”。 DW 统计量的本质就是残差的一阶自相关系数，没有太多信息。
第八章 自相关课件
2、用 对原模型进行差分变换得：
Yt * = Yt p Yt-1 Xt * = Xt pXt-1
得 Yt * = ao + b1 Xt * + Vt 用OLS法来求得参数估计值 a^o 和 b^1
b^o = a^o / (1 p^ )
此外求得估计值还有其它方法：
第五节 广义最小二乘法
1 、当模型存在自相关和异方差时， OLS参数 估计值的优良性质将不存在。
第四节 案例：中国商品进口模型
经济理论指出， 商品进口主要由进口国的经 济发展水平，以及商品进口价格指数与国内价格 指数对比因素决定的。
由于无法取得中国商品进口价格指数，我们 主要研究中国商品进口与国内生产总值的关系。
(下表)。
1. 通过OLS法建立如下中国商品进口方程：
(2.32) (20.12)
取 =5% ，DW>du=1.66(样本容量:22)
表明:广义差分模型已不存在序列相关性。 可以验证: 仅采用1阶广义差分，变换后的模
型仍存在1阶自相关性；
采用3阶广义差分，变换后的模型不再有自相 关性，但AR[3]的系数的t值不显著。
表明: 存在正自相关；但ět-3的参数不显著，说 明不存在3阶序列相关性。
3、运用广义差分法进行自相关的处理
(1)采用杜宾两步法估计p 第一步，估计模型
(1.76) (6.64) (- 1.76)
(5.88) (-5. 19)
第二步，作差分变换：
(5.30)
则M*关于GDP* 的OLS估计结果为：
{ }ii 1 因此随机项方差不全相同， 2、随机项存在自相关
矩阵 的非主对角线元素不全为 0，即
2 i
2
{ }ij
中国农业大学《计量经济学》(7 自相关).45页PPT
23、一切节省，归根到底都归结为时间的节省。——马克思 24、意志命运往往背道而驰，决心到最后会全部推倒。——莎士比亚
25、学习是劳动，是充满思想的劳动。——乌申斯基
谢谢！
中国农业大学《计量经济学》(7 自相
•
26、我们像鹰一样，生来就是自由的 ，但是 为了生 存，我 们不得 不为自 己编织 一个笼 子，然 后把自 己关在 里面。 ——博 莱索
•
27、法律如果不讲道理，即使延续时 间再长 ，也还 是没有 制约力来的。 ——马 克罗维 乌斯
•
29、在一切能够接受法律支配的人类 的状态 中，哪 里没有 法律， 那里就 没有自 由。— —洛克
•
30、风俗可以造就法律，也可以废除 法律。 ——塞·约翰逊
关).
21、要知道对好事的称颂过于夸大，也会招来人们的反感轻蔑和嫉妒。——培根 22、业精于勤，荒于嬉；行成于思，毁于随。——韩愈
25、学习是劳动，是充满思想的劳动。——乌申斯基
谢谢！
中国农业大学《计量经济学》(7 自相
•
26、我们像鹰一样，生来就是自由的 ，但是 为了生 存，我 们不得 不为自 己编织 一个笼 子，然 后把自 己关在 里面。 ——博 莱索
•
27、法律如果不讲道理，即使延续时 间再长 ，也还 是没有 制约力来的。 ——马 克罗维 乌斯
•
29、在一切能够接受法律支配的人类 的状态 中，哪 里没有 法律， 那里就 没有自 由。— —洛克
•
30、风俗可以造就法律，也可以废除 法律。 ——塞·约翰逊
关).
21、要知道对好事的称颂过于夸大，也会招来人们的反感轻蔑和嫉妒。——培根 22、业精于勤，荒于嬉；行成于思，毁于随。——韩愈
第六章 自相关 《计量经济学》PPT课件
由于解释变量之一是被解释变量的滞后值，称为自 回归模型。人们的消费习惯不会轻易改变，从而 对模型产生自相关性。
（3）模型设定偏误（specification error）。
一是应含而未含变量（excluded variable）设定偏 误；二是不正确的函数形式。例
Yi
1
2 X 2i
3
X
2 2i
ui
• 同时，可以推出下列结论
•
E(ut ) mE(vtm ) 0
m0
（6.1.14）
•
Var(ut
)
m0
2 mVar (vt
m
)
1
2 v
2
（6.1.15）
三、自相关产生的原因
（1）惯性（inertia）。
大多数经济时间序列都一个明显的特点，就是它的 惯性或黏滞。例如，GDP、价格指数、就业等时 间序列都呈现出一定的周期性。这种“内在的动 力”惯性往往产生序列自相关。
E ( ˆ2
)
E
(
xt yt xt2
)
E(2
xtut xt2
)
•
2
xt E(ut ) xt2
2
（6.2.5）
• 即参数 2的OLS估计量为无偏估计量。
在随机干扰项不满足无自相关条件时，得到OLS估 计量的方差为：
Var(ˆ2
)
E(ˆ2
2
)
E(
xtut xt2
)2
1 ( xt2 )2
下，经济变量也是正相关，式子（6.2.6）括号内的数值是 大于0的。也就是说，仍使用式子（6.2.3）作为参数估计 量的方差将会低估真实的方差。
• 当随机干扰项不存在自相关时， 2 的无偏估计为：
计量经济学ppt课件 自相关
10
原因4－蛛网现象
许多农产品的供给呈现为 蛛网现象，供给对价格的 反应要滞后一段时间，因 为供给需要经过一定的时
间才能实现。如果时期 t
的价格 Pt 低于上一期的 价格 Pt-1 ，农民就会减少 时期 t 1的生产量。如
此则形成蛛网现象，此时 的供给模型为:
蛛网现象是微观经济学中的 一个概念。它表示某种商品 的供给量受前一期价格影响 而表现出来的某种规律性， 即呈蛛网状收敛或发散于供 需的均衡点。
18
第二节 自相关的后果
➢OLS估计虽然是线性无偏的，但不再是有 效的估计。 ➢OLS估计的标准误差估计不再准确（通常 是低估） ➢参数显著性 t 检验失效（通常是高估） ➢模型预测精度下降
19
第三节 自相关的检验
本节基本内容:
图示检验法 DW检验法 序列相关的ＬＭ检验
20
一、图示检验法
需要人为设定滞后期长度，一般从s=1开始， 多试几次，比如直到s=10左右。如果检验结 果均不显著，则可以认为不存在自相关性。
3399
第四节 自相关的补救
本节基本内容:
●相关系数已知时：广义差分法 ●计算相关系数：科克伦－奥克特迭代法 ●其他方法简介
40
一、广义差分法
对于自相关的结构已知的情形可采用广义差分法解决。
而建立模型时，模型设定为: Yt = 1 + 2 X 2t + ut
则 X3t 对 Yt 的影响便归入随机误差项 ut 中，由于 在不同观测点上是相关的，这就造成了 ut 在不同 观测点是相关的，呈现出系统模式，此时 ut 是自
相关的。
13
模型形式设定偏误也会导致自相关现象。如将成本 曲线设定为线性成本曲线，则必定会导致自相关。 由设定偏误产生的自相关是一种虚假自相关，可通 过改变模型设定予以消除。
原因4－蛛网现象
许多农产品的供给呈现为 蛛网现象，供给对价格的 反应要滞后一段时间，因 为供给需要经过一定的时
间才能实现。如果时期 t
的价格 Pt 低于上一期的 价格 Pt-1 ，农民就会减少 时期 t 1的生产量。如
此则形成蛛网现象，此时 的供给模型为:
蛛网现象是微观经济学中的 一个概念。它表示某种商品 的供给量受前一期价格影响 而表现出来的某种规律性， 即呈蛛网状收敛或发散于供 需的均衡点。
18
第二节 自相关的后果
➢OLS估计虽然是线性无偏的，但不再是有 效的估计。 ➢OLS估计的标准误差估计不再准确（通常 是低估） ➢参数显著性 t 检验失效（通常是高估） ➢模型预测精度下降
19
第三节 自相关的检验
本节基本内容:
图示检验法 DW检验法 序列相关的ＬＭ检验
20
一、图示检验法
需要人为设定滞后期长度，一般从s=1开始， 多试几次，比如直到s=10左右。如果检验结 果均不显著，则可以认为不存在自相关性。
3399
第四节 自相关的补救
本节基本内容:
●相关系数已知时：广义差分法 ●计算相关系数：科克伦－奥克特迭代法 ●其他方法简介
40
一、广义差分法
对于自相关的结构已知的情形可采用广义差分法解决。
而建立模型时，模型设定为: Yt = 1 + 2 X 2t + ut
则 X3t 对 Yt 的影响便归入随机误差项 ut 中，由于 在不同观测点上是相关的，这就造成了 ut 在不同 观测点是相关的，呈现出系统模式，此时 ut 是自
相关的。
13
模型形式设定偏误也会导致自相关现象。如将成本 曲线设定为线性成本曲线，则必定会导致自相关。 由设定偏误产生的自相关是一种虚假自相关，可通 过改变模型设定予以消除。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
直接输入“ls Y-0.7456*Y (-1) c X-0.7456*X (-1)”/回车 ，即得广义差分回归的输出结果
由广义差分方程有
ˆ1
23.7786 1 0.7456
93.4693
得到中国农村居民消费模型为
Yˆt 93.4693 0.8230Xt
自相关问题的处理
(2)用回归残差序列et估计自相关系数
第五节 案例分析
研究范围：中国农村居民收入－消费模型
研究目的：消费模型是研究居民消费行为的工具和手
段。通过消费模型的分析可判断居民消费边际消费倾
向，而边际消费倾向是宏观经济系统中的重要参数。
建立模型
Yt = 1 + 2 X t + ut
Yt－居民消费， Xt －居民收入， ut －随机误差项。
数据收集：1990—2015年农村居民人均收入和消费
统计表可知， dL=1.302，dU=1.461，模型中DW dL，
显然消费模型中有正自相关。这也可从残差图中看出， 点击EViews方程输出窗口的按钮Resids可得到残差图。
残差图
用BG检验作自相关检验
EViews中回归后点“View/Residual Diagnostics /Serial Correlation LM Test” ，在“lags to include”中选取滞后阶数例如“2”，回 车即的检验结果：
ˆ1
23.8958 1 0.7641
101.2963
得到中国农村居民消费模型为
Yˆt 101.2963 0.8260Xt
自相关问题的处理
(3)用德宾两步法估计自相关系数 在EViews命今栏中输入“ls y c y(-1) x x(-1) 可得回归方程
Yˆt 12.4901+0.8838Yt1 1.0058Xt 0.9260 Xt1
用 ˆ =0.8838 对原模型进行广义差分回归，在EViews命令栏中
直接输入“ls Y-0.8838*Y (-1) c X-0.8838*X (-1)”/回车 ，即得广义差分回归的输出结果
由广义差分方程有
ˆ1
24.2374 1 0.8838
208.5838
得到中国农村居民消费模型为来自Yˆt 208.5838 0.8579Xt
在EViews命今栏中输入“ls e e (-1)”可得回归方程
eˆt =0.7641et1
用 ˆ =0.7641 对原模型进行广义差分回归，在EViews命令栏中
直接输入“ls Y-0.7641*Y (-1) c X-0.7641*X (-1)”/回车 ，即得广义差分回归的输出结果
由广义差分方程有
（数据见教材）
模型的建立、估计与检验
使用普通最小二乘法估计消费模型得：
Yˆt 11.1195 0.7835Xt
(23.4635) (0.0117)
t = (-0.4739) (66.9993)
R2 = 0.9947 F = 4488.911 DW = 0.5088
该回归方程可决系数较高，回归系数均显著。对样本 量为26、一个解释变量的模型、5%显著水平，查DW
LM TR2 26 0.545376 14.17977
其p值为0.0008，表明存在 自相关。
结论：由于本案例存在明显的 自相关，直接回归估计的结论 是不可靠的。
自相关问题的处理
（1）由DW统计量计算自相关系数
DW=0.5088, ˆ=1- DW 0.7456
2
用 ˆ =0.7456 对原模型进行广义差分回归，在EViews命令栏中
0.8771元。
（4）科克伦－奥克特迭代法
在Eviews的命令栏输入“LS Y C X AR (1)”/回车，即自动迭代 得科克伦—奥克特迭代法估计结果：
由DW=1.9668可以判断，dU = 1.454， dU <DW<4-dU，说明 在5%显著性水平下广义差分 后模型中已无自相关。 结论：中国农村居民的边际消 费倾向为0.8771，农民人均实 际纯收入每增加1元，平均说 来人均实际消费支出将增加
由广义差分方程有
ˆ1
23.7786 1 0.7456
93.4693
得到中国农村居民消费模型为
Yˆt 93.4693 0.8230Xt
自相关问题的处理
(2)用回归残差序列et估计自相关系数
第五节 案例分析
研究范围：中国农村居民收入－消费模型
研究目的：消费模型是研究居民消费行为的工具和手
段。通过消费模型的分析可判断居民消费边际消费倾
向，而边际消费倾向是宏观经济系统中的重要参数。
建立模型
Yt = 1 + 2 X t + ut
Yt－居民消费， Xt －居民收入， ut －随机误差项。
数据收集：1990—2015年农村居民人均收入和消费
统计表可知， dL=1.302，dU=1.461，模型中DW dL，
显然消费模型中有正自相关。这也可从残差图中看出， 点击EViews方程输出窗口的按钮Resids可得到残差图。
残差图
用BG检验作自相关检验
EViews中回归后点“View/Residual Diagnostics /Serial Correlation LM Test” ，在“lags to include”中选取滞后阶数例如“2”，回 车即的检验结果：
ˆ1
23.8958 1 0.7641
101.2963
得到中国农村居民消费模型为
Yˆt 101.2963 0.8260Xt
自相关问题的处理
(3)用德宾两步法估计自相关系数 在EViews命今栏中输入“ls y c y(-1) x x(-1) 可得回归方程
Yˆt 12.4901+0.8838Yt1 1.0058Xt 0.9260 Xt1
用 ˆ =0.8838 对原模型进行广义差分回归，在EViews命令栏中
直接输入“ls Y-0.8838*Y (-1) c X-0.8838*X (-1)”/回车 ，即得广义差分回归的输出结果
由广义差分方程有
ˆ1
24.2374 1 0.8838
208.5838
得到中国农村居民消费模型为来自Yˆt 208.5838 0.8579Xt
在EViews命今栏中输入“ls e e (-1)”可得回归方程
eˆt =0.7641et1
用 ˆ =0.7641 对原模型进行广义差分回归，在EViews命令栏中
直接输入“ls Y-0.7641*Y (-1) c X-0.7641*X (-1)”/回车 ，即得广义差分回归的输出结果
由广义差分方程有
（数据见教材）
模型的建立、估计与检验
使用普通最小二乘法估计消费模型得：
Yˆt 11.1195 0.7835Xt
(23.4635) (0.0117)
t = (-0.4739) (66.9993)
R2 = 0.9947 F = 4488.911 DW = 0.5088
该回归方程可决系数较高，回归系数均显著。对样本 量为26、一个解释变量的模型、5%显著水平，查DW
LM TR2 26 0.545376 14.17977
其p值为0.0008，表明存在 自相关。
结论：由于本案例存在明显的 自相关，直接回归估计的结论 是不可靠的。
自相关问题的处理
（1）由DW统计量计算自相关系数
DW=0.5088, ˆ=1- DW 0.7456
2
用 ˆ =0.7456 对原模型进行广义差分回归，在EViews命令栏中
0.8771元。
（4）科克伦－奥克特迭代法
在Eviews的命令栏输入“LS Y C X AR (1)”/回车，即自动迭代 得科克伦—奥克特迭代法估计结果：
由DW=1.9668可以判断，dU = 1.454， dU <DW<4-dU，说明 在5%显著性水平下广义差分 后模型中已无自相关。 结论：中国农村居民的边际消 费倾向为0.8771，农民人均实 际纯收入每增加1元，平均说 来人均实际消费支出将增加