实验五-自相关性.docx

《实验五-自相关性.docx》由会员分享，可在线阅读，更多相关《实验五-自相关性.docx（4页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、精品文档，仅供学习与交流，如有侵权请联系网站删除实验五 自相关性姓名：何健华 学号：201330110203 班级：13金融数学2班一 实验目的：掌握自相关性模型的检验方法与处理方法二 实验要求：应用教材P115例子4.2.1案例做自相关性模型的图形法检验和DW检验，使用杜宾两步法和科克伦-奥克特迭代法序列相关性进行修正。三 实验原理：图形法检验、DW检验、杜宾两步法和科克伦-奥克特迭代法。四 预备知识：最小二乘法、DW检验、杜宾两步法和科克伦-奥克特迭代法。 五 实验步骤：在经济系统中，经济变量前后期之间很可能有关联，使得随机误差项不能满足无自相关性的假设。本案例将探讨随机误差项不满足无自相

2、关性的古典假定的参数估计问题。着重讨论自相关性模型的图形法检验、DW检验与广义差分法和序列相关稳健估计法。中国19802007年全社会固定资产投资总额X与工业总产值Y的统计资料如下表所示。 单位：亿元年份全社会固定资产投资（X）工业增加值（Y）年份全社会固定资产投资（X）工业增加值（Y）1980910.91996.5199417042.119480.719819612048.4199520019.324950.619821230.42162.3199622913.529447.619831430.12375.6199724941.132921.419841832.92789.019982840

3、6.234018.419852543.23448.7199929854.735861.519863120.63967.0200032917.740033.619873791.74585.8200137213.543580.619884753.85777.2200243499.947431.319894410.46484.0200355566.654945.5199045176858.0200470477.465210.019915594.58087.1200588773.677230.819928080.110284.52006109998.291310.9199313072.314188.0

4、2007137323.9107367.2试问：一、 当设定模型为时，是否存在序列相关性？二、 若按一价自相关假设，试用广义最小二乘估计原模型。三、 采用差分形式与作为新数据，估计模型，该模型是否存在序列相关？一、当设定模型为时，是否存在序列相关性？1.建立Workfile和对象，录入中国工业总产值Y以及全社会固定资产投资总额X，如图1.1。 图1.1 图1.22. 参数估计、检验模型的自相关性 点击主界面菜单QuickEstimate Equation，在弹出的对话框中输入LOG(Y) C LOG(X)，点击确定即可得到回归结果，如图1.2。 根据图1.2的数据，得到中国19802007年全社

5、会工业总产值的估计结果为 （1-1） （11.83492） （60.09058）该回归方程的可决系数较高，回归系数均显著。对样本容量为28、一个解释变量的模型、5%的显著水平，查D.W.统计表可知，, ,模型中，显然模型中存在正自相关。这一点从残差图中也可以看出，点击 EViews 方程输出窗口的按钮Resids可以得到残差图1.3。图1.3可通过拉格朗日乘数检验法进行检验，步骤如下：在原窗口中（图1.2）选择：ViewResidual TestsSerial Correlation LM Test，在弹出对话框中输入：1，点击OK，得到图1.4所示结果。图1.4从统计量对应的伴随概率容易看出

6、，在5%的显著水平下，原模型存在一阶序列相关性。同时从图1.4可知，RESID(-1)显著不为0，这进一步说明原模型存在一阶序列相关性。那么原模型是否存在更高阶的序列相关性呢？可同样地通过拉格朗日乘数法进行检验，只需在弹出对话框中输入“2”“3”等数值即可。可以检验出，本模型存在二阶相关性，不存在三阶相关性。二、若按一价自相关假设，试用广义最小二乘估计原模型。点击主界面菜单QuickEstimate Equation，在弹出的对话框中输入LOG(Y) C LOG(X) AR(1) AR(2)，点击确定即可得到回归结果，如图2.1。图2.1容易看出，经广义最小二乘估计的模型已经不存在1阶序列相关

7、性，LM检验如图2.2所示。 所以，估计的原模型为： （2-1）三、采用差分形式与作为新数据，估计模型，该模型是否存在序列相关？ 在图1.2中，点击Estimate按钮，出现Spection窗口，点击Option按钮，在出现的Estimation Options窗口中，在Coefficient covariance matrix选择默认的Newey-West选项（图3.1）。 点击按钮退回到 Equation Spection窗口，再点击 OK 按钮，即得到如图3.2所示的结果。图3.1图3.2 图3.2显示，变量X对应参数修正后的标准差比OLS估计的结果有所增大，表明原模型OLS估计结果低估了X的标准差。【精品文档】第 4 页