广义差分法的EViews软件实现

1、1，计量经济学，第6章自相关官，2，介绍人：t检查和f测试确实可靠吗？居民储蓄存款与居民收入的关系研究：用一般最小二乘法方法估算其参数(1.8690)(0.0055)=(14.9343)(64.2069)，3，检验结果回归系数的标准误差很小，t统计数据大，居民收入对居民储蓄存款的影响很大可确定系数也很高，f统计值为4122.531，表明模型异常显著。但是，此估计结果可能是假的，t统计和f统计都被夸大为假的，结果不可靠。怎么了？4，本章讨论四个问题。自相关的结果是什么？自我关联的测试自我关联的治疗，第6章“自我关联”，第5节“自我关联”，第1节“自我关联”是什么？本节的基本内容： “自我关联的概

2、念”，第6，1节“自我关联的概念”，“自我关联”不同观察点处的错误项目相互关联。可以用：7，1阶自相关系数表示，自相关系数定义为与一般相关系统的公式相同的形式，值范围是表达式(6.1)中1个时段之后的随机误差项。因此，以样式(6.1)计算的自相关系数称为主自相关系数。8，2，自相关的原因，9，自相关大部分出现在时间序列数据中，经济系统的经济行为具有时间惯性。GDP、价格、就业等经济指标随着经济系统的周期而波动。例如，高经济增长率将在经济高潮期间持续，经济衰退期间高失业率也将持续一段时间，这种现象将表现为经济指标的自相关现象。原因1-经济系统的惯性、10、延迟效果意味着一个指标对另一个指标的影响

3、不仅在当前期间持续，而且在多个期间持续。它获取变量的自相关。例如，由于本期可支配收入的增加，居民要过几个时期才能达到消费水平。因为人类消费观念的变化客观上有适应期。原因2-经济活动的延迟效应，11，由于特定原因修剪和插补数据，在此类数据序列中具有自相关性。例如，将每月数据调整为季度数据，聚合处理使每月数据波动均匀，使季度数据平滑，从而创建自相关。对于缺失的历史数据，使用特定的统计方法插值，将前后数据相关联，从而产生自相关。原因3-数据处理引起的相关性，12，原因4-蜘蛛网现象，13，模型中省略了某些重要的解释变量，或模型函数格式不正确时，会发生系统错误，此错误存在于随机错误项中，导致自相关。因

4、为是设定错误引起的自身上司，所以也称为假的自我上司。原因5-模型设置错误，14，例如，如果需要使用名为：的两个解析变量生成模型，则将模型设置为：时，效果会分组为随机错误项。这与不同的观察点相关，因此在不同的观察点相关，系统模式是自相关的。15，模型形态设置错误也可能导致自相关。如果将成本曲线设置为线性成本曲线，则必须引起自相关。设置错误产生的自相关是假自相关，可以通过更改模型设置来消除它。自相关主要存在于时间序列数据中，但是在横断面数据中，也可能发生自相关，通常称为空间自相关。16例如，在消费行为中，一个家庭、一个地区的消费行为可能影响其他家庭和其他地区。也就是说，其他观察点的随机误差项可能相

5、关。大部分经济时间序列以长期上升或下降的势头出现，因此大部分表现为正相关。但是自相关本身可以是正相关，也可以是负相关。17，3，自相关表示，自相关是序列本身的相关，根据随机误差项的相关形式，具有不同的自相关形式。自相关现在比时间序列数据多。18，对于示例观测周期为的时间序列数据，可以获得完整回归模型(PRF)的随机项，如果自相关形式是自相关系数，并且是经典误差项，则称为一阶自回归模式，其记录如下：在模型中落后一个周期的值，因此称为第一阶。此样式的也称为主自相关系数。自相关形式，19，样式中的随机误差项不是经典误差项，即如果包含组件，则应包含在一阶自相关系数、二阶自相关系数、经典误差项回归模型中

6、。此样式是二次自回归模式，记录如下：20，通常，如果之间的关系是其中之一，则经典错误主题。此样式称为顺序自回归模式，记录如下：一般在计量经济分析中采取一阶自回归形式。即，假设一阶自回归形式。21，第2节自相关的结果，本节基本内容： 自相关对参数估计的影响自相关对模型测试的影响自相关对模型预测的影响，22，1，对参数估计的影响，如果在自相关的条件下仍使用一般最小二乘法，估计量的方差将被低估，实际，23，24例如，如果有一阶回归，25，磁相关，则一般最小二乘估计不再是最佳线性无估计。也就是说，在线偏转估计中，方差没有最小化。在实际经济系统中，通常是正自相关，即序列本身也是正相关的，因此表达式(6.

7、18)右括号中的值通常大于0。因此，在自相关的条件下，如果仍然使用一般最小二乘法方法，估计量的方差就会被低估。会低估真的。26，2，对模型检查的影响，27，在所有线性偏转估计中不是最小的，因此，在使用t检查确定回归系数的显著性时，可以得出错误的结论。t检查统计信息可能由于：中的错误夸大而得到的统计信息小于阈值，从而得出参数没有很大确定的结论。而这个结论可能不正确。考虑自相关时，即使忽略测试，28，自相关问题，假设经典假设仍然成立，那么使用它会产生错误的结果。也就是说，当有积极的相关性时，对于所有。此外，回归模型的解析变量在不同的周期内具有正相关，在和的情况下大于0。无视自相关的检查，29，30

8、，低估的标准错误意味着更大的t统计。因此，t统计数据通常很大。这个偏转的t统计不能用于判断回归系数的显著性。总之，对于自相关，不管考虑自相关还是忽略自相关，典型回归系统的重要t检验都无效。同样，由于自相关的存在，参数的最小二乘估计无效，因此f测试和t测试不再可靠。31，3，对模型预测的影响，模型预测的准确度取决于采样误差和总体误差项目的方差。采样误差从对估计中导出，在自相关的情况下，方差的最小二乘估计不可靠，因此采样误差必然增加。即使是自相关，准确的估计也不可靠。影响预测准确度的两个主要因素都表明，由于自相关的存在，不确定性变大，预测的置信区间变得不可靠，预测的准确度降低。，32，3节自相关测

9、试，本节的基本内容： 图标测试方法 DW测试方法高阶自相关测试方法，33，I，图形测试方法，图形方法是直观的诊断方法，该方法直接使用给定回归模型作为一般最小二乘估计参数来查找残差，并通过对随机项的实际估计来产生残差，然后使用散布图来确定相关性。残差散点图通常有两种方法。34，35，36，按时间顺序绘制回归残差项的图形。如果变化有规律，出现锯齿或循环形状的变化，可以断言有相关性。随着变化，符号不断变化，随机误差项为负自相关、37，38，2、DW检验法、DW检验法是J.Durbin (dubin)和G.S.Watson (Watson)在1951年提出的小样本的测试方法。DW检查只能用于检查随机错

10、误项具有一阶自回归形式的自相关问题。该测试方法是建立可在典型计算机软件中计算DW值的计量经济模型的最常用方法。如上所述，DW的值范围是0DW4基于样本容量和分析变量数(不包括常数)研究DW分布表以获得阈值和值，然后根据以下标准研究计算出的DW值以确定模型的自相关状态：43，DW检查确定规则，44，DW检查规则：45，1。部分相关系数检查命令方法 identresed 菜单方法单击公式窗口中的view resdual test correlo pagram-q-statistics屏幕时，et和et-1，et-statistics.et-p (p是预定延迟时间长度)的相关系数和部分相关系数直接输

11、出。3，高阶自相关检查，2 .对于bros-Godfrey (breus ch-Godfrey)测试，型号yt=b0b1x1t b2x2t.bkxktt将自相关形式设置为： t= 1 -1 2 p t-p t使用h0: 1= 2= p=0 OLS方法估计模型，从而得到et；所有解释变量和残差的et延迟值et-1，et-2.回归et-p并计算R2。对于大样本，nR2 2 (p)给出alpha，如果nR2大于阈值，则拒绝H0。EViews软件任务：在“表达式”窗口中，单击view resdual test serial correlation lm test。确定延迟时间长度：如果从度数较低的p(

12、p=1)开始(通常为p=10)，并且没有得到重要的检查结果，则可以认为没有自相关性。【例】中国城乡居民储蓄存款模式(自我关联检查)。教材P89表3-2列出了我国城乡居民储蓄存款年末余额(单位：亿元)和国内生产总值指数(1978=100)的历年统计，建立了居民储蓄存款模型，并检查了模型的相关性。(1) SCAT X Y是曲线从属的，因此函数形式最初由双代数模型、指数曲线模型、二次多项式模型等确定。(2)模型估计和选择，genr lny=log(y)genr lnx=log(x)genr x2=x 2 ls lny c x ls y c x x2s lslny c lnx比较，预计结果：预计结果D

13、-W检查：n=21，k=1，=0.05时dL=1.22，dU=1.42，00.7028=DW0.5，自相关系数0.5，BG检查：由于无法观察随机误差项，因此通常假定一阶自回归形式，即：为经典误差项。57，58，59，在模型中使用一般最小二乘估计，得到参数估计的最佳线性无偏估计。这称为广义差分方程，因为被求解变量和解释变量都是当前时段值减去上一时段值。60，(a)近似估计方法对于大样本(n30)为dw2(1)，因此表示小样本(n dU)在广义差分模型中没有磁相关。此外，晶体系数R2，t，f统计达到了理想水平。t=(0.9923)(14.7401)R2=0.9157 f=217.2695 dw=1

14、.3243样式中，(0.0796)，75，差异方程表明，我们得到最终的中国农村居民消费模式。从模式(6.49)的中国农村居民消费模式可以看出，中国农村居民的边际消费倾向为0.7309。也就是说，中国农民每次增加收入1元，消费支出额平均为0.7309元。最终模型结果，y t=41.9271.7309 x t，76，本章摘要，1。当整个回归模型中的随机错误项目在不同的观察点处相互关联时，会发生自相关问题。自相关的出现有很多原因。时间序列的惯性、错误的模型设置、数据处理等。3.在自相关中，一般最小二乘估计仍然是无偏、一致的，但不再有效。常规t检查和f检查不能有效使用。77，4。为了研究问题的便利性，并考虑实际问题的代表性意义，我们通常将自相关设为一阶自相关