您的当前位置:首页正文

序列相关性的检验与修正

2020-11-21 来源:客趣旅游网
序列相关性的检验与修正

案例:书本P115进口与国内生产总值的关系。

一 检验

准备工作:建立工作文件,导入数据。采用OLS方法建立进口方程。 在命令框输入:equation Eq01.ls m c gdp

建立残差序列

在命令框输入: series e=resid 建立残差序列的滞后一期序列

在命令框输入: series e_lag1=resid(-1) 方法1:利用两个残差序列画图、观察。

方法2:查看回归方程的DW值=0.628,存在序列相关。 方法3:LM检验

在命令框输入:equation Eq02.ls e c gdp e(-1) e(-2)

在命令框输入:Scalar lm1= @obs(e(-2))*eq02.@r2 可得LM1=15.006

在命令框输入:scalar chi1=@qchisq(0.95,2) 可得chi1=5.99

可以判定模型存在2阶序列相关。

简便方法:在方程eq01窗口中点击View/Residual Test/Series Correlation LM Test,并选择滞后期为2,则会得到如下图所示的信息。

注:LM计算结果与上面有差异,因为这里的辅助回归所采用的resid(-1)、resid(-2)的缺失值用0补齐。

检验是否存在更高阶的序列相关。继续在命令框输入:equation Eq03.ls e c gdp e(-1) e(-2) e(-3)

在命令框输入:Scalar lm2= @obs(e(-3))*eq03.@r2 可得LM2=14.58

在命令框输入:scalar chi2=@qchisq(0.95,3)

可得chi2=7.185

仍然存在序列相关性,但由于e(-3)的参数不显著,可认为不存在3阶序列相关。

在方程eq01窗口中点击View/Residual Test/Series Correlation LM Test,并选择滞后期为3,则会得到如下图所示的信息。

显然,LM检验的结果拒绝原假设(无序列相关),表明存在序列相关性。

二 序列相关性的修正与补救

广义差分法就是广义最小二乘法(GLS),但损失了部分样本观测值,损失的数量依赖于序列相关性的阶数(如一阶序列相关,至少损失1个样本值)。

在实际操作中,往往基于广义差分法完成估计。根据随机扰动项相关系数估计方法的不同,可以分为C-O迭代法和Durbin两步法。 (1)Durbin两步法

第一步,估计随机扰动项的相关系数

根据前面检验可知存在二阶序列相关,因此设定方程为

*Mt0*1Mt12Mt21*GDPt2GDPt13*GDPt2t

在命令框输入 ls m c m(-1) m(-2) gdp gdp(-1) gdp(-2)

即得到随机扰动项相关系数的估计值,结果记为eq04

第二步,进行差分变换,然后对应书本(4.2.20)公式进行回归。

Mt*Mt(0.938Mt10.469Mt2)

GDPt*GDPt(0.983GDPt10.469GDPt2)

在命令框中输入

Series m_star=m-(0.938*m(-1)-0.469*m(-2))

Series gdp_star=gdp-(0.938*gdp(-1)-0.469*gdp(-2))

将Mt对GDPt回归。在命令框输入

**Ls m_star c gdp_star

结果记为eq05

ˆ (参考书本4.2.20式) 第三步,还原0ˆ0ˆ*78.160147.19

垐110.9380.46912这一结果与eq01有差别。

(2)C-O迭代法

原理:参见教材113页。 操作:非常简单。

根据前面检验可知存在二阶序列相关,因此设定方程为

Mt01GDPt1AR(1)2AR(2)t

在命令框中输入

Equation eq06.ls m c gdp ar(1) ar(2)

从DW值来看,已经不存在序列相关性,并且每项AR的回归系数都具有统计显著性。

假设采用1阶广义差分,在命令框中输入

Equation eq07.ls m c gdp ar(1)

从DW来看,序列相关性并未消除。

假设采用3阶广义差分,在命令框中输入

Equation eq08.ls m c gdp ar(1) ar(2) ar(3)

从DW来看,序列相关性已经消除。但AR(3)的回归系数不显著,表明过度差分。

因篇幅问题不能全部显示,请点此查看更多更全内容