實驗六自相關(guān)模型的檢驗和處理

1、 實 驗 報 告課程名稱： 計量經(jīng)濟學(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 設(shè)計性 驗證性R專業(yè)班別： 姓 名： 學(xué) 號： 實驗課室： 厚德樓A404 指導(dǎo)教師： 實驗日期： 2015年6月11日 廣東商學(xué)院華商學(xué)院教務(wù)處 制 一、實驗項目訓(xùn)練方案小組合作：是 否R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，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】自相關(guān)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

2、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】是否存在自相關(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）和殘差趨勢圖（即殘差對時間的線圖），并判斷模型是否存在自相關(guān)以及是正的自相關(guān)還是負的自相關(guān)?！灸Ｐ?】 殘差散點圖 殘差趨勢圖結(jié)論：從圖上

3、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 殘差趨勢圖結(jié)論：從圖上看，SLC對GDPS回歸的殘差有很強的自相關(guān)【模型4】 殘差散點圖 殘差趨勢圖結(jié)論：從圖上看，log(CS)對T回歸的殘差也有很強的自相關(guān)（請對得到的圖表進行處理，以上在一頁內(nèi)）2.D-W檢驗分別計算上述【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。【模型1】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，存在很強的自相關(guān)【模型5】DW=0.198218結(jié)論：DW值偏近0，存在嚴重的自相關(guān)（請對得到的圖表進行處理，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(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檢驗值達到了1.717996，消除了自相關(guān)。 沒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檢驗值達到了1.920812，消除了自相關(guān) 沒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)（請對得到的圖表進行處理，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】是否存在自相關(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：對）和殘差趨勢圖（即殘差對時間的線圖），并判斷模型是否存在自相關(guān)以及是正的自相關(guān)還是負的自相關(guān)。從圖上看，log(GDPS)對T回歸的殘差也有很強的正自相關(guān)（請對得到的圖表進行處理，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）= 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【模型1】、【模型2】和【模型4】的自相關(guān)問題進行處理。【模型1】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（請對得到的圖表進行處理，以上在一頁內(nèi)）二、實驗總結(jié)與評價實驗

22、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、當總體回歸模型的隨機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)間不可靠，降低了預(yù)測的精度。 4、 隨機誤差項的自相關(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=1，2，m），即AR（m）。為了研究問題的方便和考慮