關於自相關的分析與檢驗

論文類別:理學論文 > 理學相關論文
論文作者: 趙松山 白雪梅
上傳時間:2009-7-16 16:15:00

  [論文關鍵词]自相關 隨機項 殘差 檢驗

  [論文摘要]本文首先簡要的分析了自相關的影響和根源;其次給出了检驗自相關的非參數與參數的八種方法,並指出了各種方法的適用條件。

  一、自相關的影響及根源分析

  我們知道,單方程的經濟計量模型,要符合若幹基本假定為前提,其中之一,就是假定隨機項u不存在自相關,即Cov(ui,uj)=0,i≠j,j=1,2,……,n(1)但在實際問題中經常遇到序列自相關的情形,自相關的存在,帶来一系列不良的後果,首先使置信區間變寬。如果在存在自相關的條件下,仍采用最小二乘法估計模型參數時,盡管所得估计為無偏的,但估計量不具有最小方差性,從而導致置信區间過寬,使顯著性檢驗失效;其次t檢驗和F檢验失效。如果我們無視自相關问題,繼續使用自相關假設下推導出的估計量公式,當u為正相關,且解釋變量X的前後期值也是正相关時,可能嚴重低估u的方差σ2,其後果可能更為嚴重。因為Su(b^)變小,在t檢驗時,使估計量tb^= b^ Su(b^ )變大,在給定顯著性水平α下,增加了tb^>tα/z的機會,亦即增大了拒絕H0,接受H1的可能性,使t檢驗失去了意義,對F檢驗也有如此情況。最後由於上述原因,在u存在自相關时,降低了預測精度,因此使预測也失去了意義。

  究其產生自相關的根源,無外乎有兩個,即內因和外因。內因主要指序列本身固有屬性。例如,因天災、戰爭、偶然事故等,不僅在當期影響企業的產量,而且也影響以後時间的產量。外因則主要歸結為模型設定不當,模型變量選擇欠妥,数據屬性差異以及數據處理等。這裏需要強調指出:盡管自相關问題在截面數據也可能出現,但在時序數據中出現更為普遍。同時還應指出,雖然自相關可以是正的,也可以是負的,但大多數是正自相关的。

  二、自相關的檢驗

  檢驗自相關有多種多樣的方法,但系統的、全面的研究卻見得不多,本文擬對此進行討論。

  1、圖示检驗

  圖示檢驗是通過對隨機項ut的估計量et(et即為回歸模型的殘差)做一圖像檢查ut是否存在自相關性的方法。若et对時間t的描點圖呈系統性规律,即有明顯周期性,或具有線性,或兼有線性和二次趨勢性,則表明存在自相關性。若et對et-1的描点圖呈線性上升或下降趨勢,則也表明存在自相關性。另外,也可將標準化殘差對時間t做描點圖(標準化殘差等於殘差et除以殘差et的標準誤σ^e) ,若標準化殘差序列圖呈现某種規律性,則表明存在自相關性。

  2、遊程檢驗

  遊程检驗又稱吉爾裏(Geary)檢验,是一種非參數檢驗法。遊程是指同一符號或屬性的一個不中斷的歷程,該遊程中元素的個數稱為遊程的長度。利用游程檢驗來檢驗自相關性,是通过觀察殘差序列實現的,假定殘差序列為{et}, (t=1,2,…, n),並设n1為殘差為正的個數, n2為殘差為負的個數, k表示遊程個数,且有n=n1+n2。假設殘差是互相獨立的,並且有n1>10,n2>10,則遊程个數漸近地服從正態分布,有

关于自相关的分析与检验

  若残差不存在自相關性,則可預期游程個數,將以95%的置信度落入[E(k)±1.96σk]範圍內,如果估算的遊程個數k落此範圍之外,就表明存在自相關性。

  3、Durbin——Watson(DW)檢驗

  DW檢驗在檢驗回歸殘差的自相關问題上應用較為廣泛,其公式為

关于自相关的分析与检验       

  t=1該統計量用來檢验回歸方程中一階自相關的存在。如果不存在自相關問題, DW值應趨近於2。若DW值為零,表明存在完全的正自相關,若DW值為零,表明存在完全的正自相關,若DW值為4,則表明存在完全負自相關。雖然對於所有的回歸過程, DW統計量都采取了标準輸出形式,但它仍然存在局限性。首先,在DW的值域中有不確定性的區域,該區域随著樣本容量的變化而變化;其次,對於高階自相關的检驗無能為力;最後,當模型中有滯後的應變量作為解釋變量出現时, DW值有向2偏近的趨勢。

  4、h檢验

  該檢驗適用條件是當解釋變量中含有應變量的滯後變量時,需采用h統計量檢驗法來判定一階自相關是否存在,公式為

关于自相关的分析与检验

式中, d为普通的DW統計量,Sα^为應變量一階滯後變量yt -1的系数α的標準誤差。可以證明,在不存在自相關的假定下,統計量h近似地服從標準正態分布,由此可以判定自相關性。

  5、Von——Neumann比檢驗

  該檢驗是對DW检驗的一種修正,因为DW統計量沒有考慮自由度,而Von——Neumann比檢驗卻將自由度引进了統計量之中,公式為

关于自相关的分析与检验         

免費論文下載中心 http://www.hi138.com   統計量η當樣本容量充分大(n>30)時,近似地服從標準正態分布,以此判定是否存在一阶自相關。需要指出,在小樣本情況下,η統計量不能使用。

  6、殘差相关圖檢驗

  對於存在高階自相關的情況,可利用殘差相關圖法进行檢驗,這時還可以計算殘差相關图統計量,即殘差自相關平方和的n倍。

关于自相关的分析与检验

式中q為相關圖長度,且αj為j階残差自相關系數

关于自相关的分析与检验

統計量τ漸近服從x2(q)分布。若τ<x2α(q),則說明不存在高階自相關。

  7、殘差回歸檢驗

  該檢驗法首先利用OLS估計求得誤差的估计值et,然後以殘差序列{e}进行自回歸关于自相关的分析与检验并對每階滯後殘差的系數估計值進行統計上的顯著性檢验,如果(8)式中αi(i= 1, 2,…q)的估計值均不顯著,则表明殘差不存在1~q階自相關。

此外,也可以計算nR2統計量和F型統計量。nR2統計量是樣本容量n和多重相關系數R2的乘積。在零假設H0:αi=0 (i=1, 2,…q)下,漸近地有nR2~X2(q) (9)若nR2-X2α(q) (α可取0.05) ,接受H0,即說明殘差不存在1~q阶自相關。當然也可以構造F型統計量為关于自相关的分析与检验

(10)式中K为模型中參數的個數。在H0下, F型統計量漸近服从F(q,n-k-q)分布。若已知F(q,n-k-q)分布的尾概率大於顯著性水平α,則說明殘差不存在1~q階自相關。

  8、拉格朗日乘數(LM)檢驗

  拉格朗日乘數檢驗又稱Breusch-Godfrey检驗,由Breusch(1978)和God-frey(1978)提出。LM檢驗不僅僅限於对一階自相關的檢驗,同時,當回歸模型右方出现滯後的應變量時,該檢驗仍然有效。由於這兩點優勢, LM檢驗比DW檢驗应用更為廣泛。LM檢验的計算基於如下輔助方程:et=α+β1X1t+…+βkXkt+ρ1et-1+…+ρqet-q+qt(11)式中Xit(i= 1, 2,…,k)為解释變量,βi(i=1,2,…,k)和ρj(j=1,2,…,q)為參數, et-j(j=1,2,…,q)是估计的回歸模型的滯後殘差。在零假設无自回歸,即H0:ρ1=ρ2=…=ρq=0的情況下,檢驗值nR2,在大樣本情況下,統計量nR2服从於自由度為q的X2分布。若nR2的值大於X2的臨界值,則表明存在自相關。

[參考文献]

[1][美]古紮拉蒂,著,林少宫譯.計量經濟學[M].中國人民大學出版社,2000.

[2]張保法.經濟計量學[M].經濟科學出版社,2000.

免費論文下載中心 http://www.hi138.com
下载论文

論文《關於自相關的分析與檢驗》其它版本

理學相關論文服務

網站聲明 | 聯系我們 | 網站地圖 | 論文下載地址 | 代寫論文 | 作者搜索 | 英文版 | 手機版 CopyRight@2008 - 2014 免費論文下載中心 沪ICP备14015432号-2