廣義差分法的EViews軟件實(shí)現(xiàn)

1、1，計(jì)量經(jīng)濟(jì)學(xué)，第6章自相關(guān)官，2，介紹人：t檢查和f測試確實(shí)可靠嗎？居民儲蓄存款與居民收入的關(guān)系研究：用一般最小二乘法方法估算其參數(shù)(1.8690)(0.0055)=(14.9343)(64.2069)，3，檢驗(yàn)結(jié)果回歸系數(shù)的標(biāo)準(zhǔn)誤差很小，t統(tǒng)計(jì)數(shù)據(jù)大，居民收入對居民儲蓄存款的影響很大可確定系數(shù)也很高，f統(tǒng)計(jì)值為4122.531，表明模型異常顯著。但是，此估計(jì)結(jié)果可能是假的，t統(tǒng)計(jì)和f統(tǒng)計(jì)都被夸大為假的，結(jié)果不可靠。怎么了？4，本章討論四個(gè)問題。自相關(guān)的結(jié)果是什么？自我關(guān)聯(lián)的測試自我關(guān)聯(lián)的治療，第6章“自我關(guān)聯(lián)”，第5節(jié)“自我關(guān)聯(lián)”，第1節(jié)“自我關(guān)聯(lián)”是什么？本節(jié)的基本內(nèi)容： “自我關(guān)聯(lián)的概

2、念”，第6，1節(jié)“自我關(guān)聯(lián)的概念”，“自我關(guān)聯(lián)”不同觀察點(diǎn)處的錯(cuò)誤項(xiàng)目相互關(guān)聯(lián)?？梢杂茫?，1階自相關(guān)系數(shù)表示，自相關(guān)系數(shù)定義為與一般相關(guān)系統(tǒng)的公式相同的形式，值范圍是表達(dá)式(6.1)中1個(gè)時(shí)段之后的隨機(jī)誤差項(xiàng)。因此，以樣式(6.1)計(jì)算的自相關(guān)系數(shù)稱為主自相關(guān)系數(shù)。8，2，自相關(guān)的原因，9，自相關(guān)大部分出現(xiàn)在時(shí)間序列數(shù)據(jù)中，經(jīng)濟(jì)系統(tǒng)的經(jīng)濟(jì)行為具有時(shí)間慣性。GDP、價(jià)格、就業(yè)等經(jīng)濟(jì)指標(biāo)隨著經(jīng)濟(jì)系統(tǒng)的周期而波動。例如，高經(jīng)濟(jì)增長率將在經(jīng)濟(jì)高潮期間持續(xù)，經(jīng)濟(jì)衰退期間高失業(yè)率也將持續(xù)一段時(shí)間，這種現(xiàn)象將表現(xiàn)為經(jīng)濟(jì)指標(biāo)的自相關(guān)現(xiàn)象。原因1-經(jīng)濟(jì)系統(tǒng)的慣性、10、延遲效果意味著一個(gè)指標(biāo)對另一個(gè)指標(biāo)的影響

3、不僅在當(dāng)前期間持續(xù)，而且在多個(gè)期間持續(xù)。它獲取變量的自相關(guān)。例如，由于本期可支配收入的增加，居民要過幾個(gè)時(shí)期才能達(dá)到消費(fèi)水平。因?yàn)槿祟愊M(fèi)觀念的變化客觀上有適應(yīng)期。原因2-經(jīng)濟(jì)活動的延遲效應(yīng)，11，由于特定原因修剪和插補(bǔ)數(shù)據(jù)，在此類數(shù)據(jù)序列中具有自相關(guān)性。例如，將每月數(shù)據(jù)調(diào)整為季度數(shù)據(jù)，聚合處理使每月數(shù)據(jù)波動均勻，使季度數(shù)據(jù)平滑，從而創(chuàng)建自相關(guān)。對于缺失的歷史數(shù)據(jù)，使用特定的統(tǒng)計(jì)方法插值，將前后數(shù)據(jù)相關(guān)聯(lián)，從而產(chǎn)生自相關(guān)。原因3-數(shù)據(jù)處理引起的相關(guān)性，12，原因4-蜘蛛網(wǎng)現(xiàn)象，13，模型中省略了某些重要的解釋變量，或模型函數(shù)格式不正確時(shí)，會發(fā)生系統(tǒng)錯(cuò)誤，此錯(cuò)誤存在于隨機(jī)錯(cuò)誤項(xiàng)中，導(dǎo)致自相關(guān)。因

4、為是設(shè)定錯(cuò)誤引起的自身上司，所以也稱為假的自我上司。原因5-模型設(shè)置錯(cuò)誤，14，例如，如果需要使用名為：的兩個(gè)解析變量生成模型，則將模型設(shè)置為：時(shí)，效果會分組為隨機(jī)錯(cuò)誤項(xiàng)。這與不同的觀察點(diǎn)相關(guān)，因此在不同的觀察點(diǎn)相關(guān)，系統(tǒng)模式是自相關(guān)的。15，模型形態(tài)設(shè)置錯(cuò)誤也可能導(dǎo)致自相關(guān)。如果將成本曲線設(shè)置為線性成本曲線，則必須引起自相關(guān)。設(shè)置錯(cuò)誤產(chǎn)生的自相關(guān)是假自相關(guān)，可以通過更改模型設(shè)置來消除它。自相關(guān)主要存在于時(shí)間序列數(shù)據(jù)中，但是在橫斷面數(shù)據(jù)中，也可能發(fā)生自相關(guān)，通常稱為空間自相關(guān)。16例如，在消費(fèi)行為中，一個(gè)家庭、一個(gè)地區(qū)的消費(fèi)行為可能影響其他家庭和其他地區(qū)。也就是說，其他觀察點(diǎn)的隨機(jī)誤差項(xiàng)可能相

5、關(guān)。大部分經(jīng)濟(jì)時(shí)間序列以長期上升或下降的勢頭出現(xiàn)，因此大部分表現(xiàn)為正相關(guān)。但是自相關(guān)本身可以是正相關(guān)，也可以是負(fù)相關(guān)。17，3，自相關(guān)表示，自相關(guān)是序列本身的相關(guān)，根據(jù)隨機(jī)誤差項(xiàng)的相關(guān)形式，具有不同的自相關(guān)形式。自相關(guān)現(xiàn)在比時(shí)間序列數(shù)據(jù)多。18，對于示例觀測周期為的時(shí)間序列數(shù)據(jù)，可以獲得完整回歸模型(PRF)的隨機(jī)項(xiàng)，如果自相關(guān)形式是自相關(guān)系數(shù)，并且是經(jīng)典誤差項(xiàng)，則稱為一階自回歸模式，其記錄如下：在模型中落后一個(gè)周期的值，因此稱為第一階。此樣式的也稱為主自相關(guān)系數(shù)。自相關(guān)形式，19，樣式中的隨機(jī)誤差項(xiàng)不是經(jīng)典誤差項(xiàng)，即如果包含組件，則應(yīng)包含在一階自相關(guān)系數(shù)、二階自相關(guān)系數(shù)、經(jīng)典誤差項(xiàng)回歸模型中

6、。此樣式是二次自回歸模式，記錄如下：20，通常，如果之間的關(guān)系是其中之一，則經(jīng)典錯(cuò)誤主題。此樣式稱為順序自回歸模式，記錄如下：一般在計(jì)量經(jīng)濟(jì)分析中采取一階自回歸形式。即，假設(shè)一階自回歸形式。21，第2節(jié)自相關(guān)的結(jié)果，本節(jié)基本內(nèi)容： 自相關(guān)對參數(shù)估計(jì)的影響自相關(guān)對模型測試的影響自相關(guān)對模型預(yù)測的影響，22，1，對參數(shù)估計(jì)的影響，如果在自相關(guān)的條件下仍使用一般最小二乘法，估計(jì)量的方差將被低估，實(shí)際，23，24例如，如果有一階回歸，25，磁相關(guān)，則一般最小二乘估計(jì)不再是最佳線性無估計(jì)。也就是說，在線偏轉(zhuǎn)估計(jì)中，方差沒有最小化。在實(shí)際經(jīng)濟(jì)系統(tǒng)中，通常是正自相關(guān)，即序列本身也是正相關(guān)的，因此表達(dá)式(6.

7、18)右括號中的值通常大于0。因此，在自相關(guān)的條件下，如果仍然使用一般最小二乘法方法，估計(jì)量的方差就會被低估。會低估真的。26，2，對模型檢查的影響，27，在所有線性偏轉(zhuǎn)估計(jì)中不是最小的，因此，在使用t檢查確定回歸系數(shù)的顯著性時(shí)，可以得出錯(cuò)誤的結(jié)論。t檢查統(tǒng)計(jì)信息可能由于：中的錯(cuò)誤夸大而得到的統(tǒng)計(jì)信息小于閾值，從而得出參數(shù)沒有很大確定的結(jié)論。而這個(gè)結(jié)論可能不正確?？紤]自相關(guān)時(shí)，即使忽略測試，28，自相關(guān)問題，假設(shè)經(jīng)典假設(shè)仍然成立，那么使用它會產(chǎn)生錯(cuò)誤的結(jié)果。也就是說，當(dāng)有積極的相關(guān)性時(shí)，對于所有。此外，回歸模型的解析變量在不同的周期內(nèi)具有正相關(guān)，在和的情況下大于0。無視自相關(guān)的檢查，29，30

8、，低估的標(biāo)準(zhǔn)錯(cuò)誤意味著更大的t統(tǒng)計(jì)。因此，t統(tǒng)計(jì)數(shù)據(jù)通常很大。這個(gè)偏轉(zhuǎn)的t統(tǒng)計(jì)不能用于判斷回歸系數(shù)的顯著性。總之，對于自相關(guān)，不管考慮自相關(guān)還是忽略自相關(guān)，典型回歸系統(tǒng)的重要t檢驗(yàn)都無效。同樣，由于自相關(guān)的存在，參數(shù)的最小二乘估計(jì)無效，因此f測試和t測試不再可靠。31，3，對模型預(yù)測的影響，模型預(yù)測的準(zhǔn)確度取決于采樣誤差和總體誤差項(xiàng)目的方差。采樣誤差從對估計(jì)中導(dǎo)出，在自相關(guān)的情況下，方差的最小二乘估計(jì)不可靠，因此采樣誤差必然增加。即使是自相關(guān)，準(zhǔn)確的估計(jì)也不可靠。影響預(yù)測準(zhǔn)確度的兩個(gè)主要因素都表明，由于自相關(guān)的存在，不確定性變大，預(yù)測的置信區(qū)間變得不可靠，預(yù)測的準(zhǔn)確度降低。，32，3節(jié)自相關(guān)測

9、試，本節(jié)的基本內(nèi)容： 圖標(biāo)測試方法 DW測試方法高階自相關(guān)測試方法，33，I，圖形測試方法，圖形方法是直觀的診斷方法，該方法直接使用給定回歸模型作為一般最小二乘估計(jì)參數(shù)來查找殘差，并通過對隨機(jī)項(xiàng)的實(shí)際估計(jì)來產(chǎn)生殘差，然后使用散布圖來確定相關(guān)性。殘差散點(diǎn)圖通常有兩種方法。34，35，36，按時(shí)間順序繪制回歸殘差項(xiàng)的圖形。如果變化有規(guī)律，出現(xiàn)鋸齒或循環(huán)形狀的變化，可以斷言有相關(guān)性。隨著變化，符號不斷變化，隨機(jī)誤差項(xiàng)為負(fù)自相關(guān)、37，38，2、DW檢驗(yàn)法、DW檢驗(yàn)法是J.Durbin (dubin)和G.S.Watson (Watson)在1951年提出的小樣本的測試方法。DW檢查只能用于檢查隨機(jī)錯(cuò)

10、誤項(xiàng)具有一階自回歸形式的自相關(guān)問題。該測試方法是建立可在典型計(jì)算機(jī)軟件中計(jì)算DW值的計(jì)量經(jīng)濟(jì)模型的最常用方法。如上所述，DW的值范圍是0DW4基于樣本容量和分析變量數(shù)(不包括常數(shù))研究DW分布表以獲得閾值和值，然后根據(jù)以下標(biāo)準(zhǔn)研究計(jì)算出的DW值以確定模型的自相關(guān)狀態(tài)：43，DW檢查確定規(guī)則，44，DW檢查規(guī)則：45，1。部分相關(guān)系數(shù)檢查命令方法 identresed 菜單方法單擊公式窗口中的view resdual test correlo pagram-q-statistics屏幕時(shí)，et和et-1，et-statistics.et-p (p是預(yù)定延遲時(shí)間長度)的相關(guān)系數(shù)和部分相關(guān)系數(shù)直接輸

11、出。3，高階自相關(guān)檢查，2 .對于bros-Godfrey (breus ch-Godfrey)測試，型號yt=b0b1x1t b2x2t.bkxktt將自相關(guān)形式設(shè)置為： t= 1 -1 2 p t-p t使用h0: 1= 2= p=0 OLS方法估計(jì)模型，從而得到et；所有解釋變量和殘差的et延遲值et-1，et-2.回歸et-p并計(jì)算R2。對于大樣本，nR2 2 (p)給出alpha，如果nR2大于閾值，則拒絕H0。EViews軟件任務(wù)：在“表達(dá)式”窗口中，單擊view resdual test serial correlation lm test。確定延遲時(shí)間長度：如果從度數(shù)較低的p(

12、p=1)開始(通常為p=10)，并且沒有得到重要的檢查結(jié)果，則可以認(rèn)為沒有自相關(guān)性。【例】中國城鄉(xiāng)居民儲蓄存款模式(自我關(guān)聯(lián)檢查)。教材P89表3-2列出了我國城鄉(xiāng)居民儲蓄存款年末余額(單位：億元)和國內(nèi)生產(chǎn)總值指數(shù)(1978=100)的歷年統(tǒng)計(jì)，建立了居民儲蓄存款模型，并檢查了模型的相關(guān)性。(1) SCAT X Y是曲線從屬的，因此函數(shù)形式最初由雙代數(shù)模型、指數(shù)曲線模型、二次多項(xiàng)式模型等確定。(2)模型估計(jì)和選擇，genr lny=log(y)genr lnx=log(x)genr x2=x 2 ls lny c x ls y c x x2s lslny c lnx比較，預(yù)計(jì)結(jié)果：預(yù)計(jì)結(jié)果D

13、-W檢查：n=21，k=1，=0.05時(shí)dL=1.22，dU=1.42，00.7028=DW0.5，自相關(guān)系數(shù)0.5，BG檢查：由于無法觀察隨機(jī)誤差項(xiàng)，因此通常假定一階自回歸形式，即：為經(jīng)典誤差項(xiàng)。57，58，59，在模型中使用一般最小二乘估計(jì)，得到參數(shù)估計(jì)的最佳線性無偏估計(jì)。這稱為廣義差分方程，因?yàn)楸磺蠼庾兞亢徒忉屪兞慷际钱?dāng)前時(shí)段值減去上一時(shí)段值。60，(a)近似估計(jì)方法對于大樣本(n30)為dw2(1)，因此表示小樣本(n dU)在廣義差分模型中沒有磁相關(guān)。此外，晶體系數(shù)R2，t，f統(tǒng)計(jì)達(dá)到了理想水平。t=(0.9923)(14.7401)R2=0.9157 f=217.2695 dw=1

14、.3243樣式中，(0.0796)，75，差異方程表明，我們得到最終的中國農(nóng)村居民消費(fèi)模式。從模式(6.49)的中國農(nóng)村居民消費(fèi)模式可以看出，中國農(nóng)村居民的邊際消費(fèi)傾向?yàn)?.7309。也就是說，中國農(nóng)民每次增加收入1元，消費(fèi)支出額平均為0.7309元。最終模型結(jié)果，y t=41.9271.7309 x t，76，本章摘要，1。當(dāng)整個(gè)回歸模型中的隨機(jī)錯(cuò)誤項(xiàng)目在不同的觀察點(diǎn)處相互關(guān)聯(lián)時(shí)，會發(fā)生自相關(guān)問題。自相關(guān)的出現(xiàn)有很多原因。時(shí)間序列的慣性、錯(cuò)誤的模型設(shè)置、數(shù)據(jù)處理等。3.在自相關(guān)中，一般最小二乘估計(jì)仍然是無偏、一致的，但不再有效。常規(guī)t檢查和f檢查不能有效使用。77，4。為了研究問題的便利性，并考慮實(shí)際問題的代表性意義，我們通常將自相關(guān)設(shè)為一階自相關(guān)