omet, 8原因3一数据处理造成的相关 因为某些原因对数据进行了修整和内插处 理,在这样的数据序列中就会有自相关。 例如,将月度数据调整为季度数据,由于 采用了加合处理,修匀了月度数据的波动 使季度数据具有平滑性,这种平滑性产生 自相关。对缺失的历史资料,采用特定统 计方法进行内插处理,使得数据前后期相 关,产生了自相关。 11
11 因为某些原因对数据进行了修整和内插处 理，在这样的数据序列中就会有自相关。 例如，将月度数据调整为季度数据，由于 采用了加合处理，修匀了月度数据的波动， 使季度数据具有平滑性，这种平滑性产生 自相关。对缺失的历史资料，采用特定统 计方法进行内插处理，使得数据前后期相 关，产生了自相关。 原因3－数据处理造成的相关
omet, 原因4一蛛网现象 许多农产品的供给呈现为蛛网现象是微观经济学中的 蛛网现象,供给对价格的目一个概念。它表示某种商品 反应要滞后一段时间,因的供给量受前一期价格影响 为供给需要经过一定的时而表现出来的某种规律性, 间才能实现。如果时期t即呈蛛网状收敛或发散于供 的价格P低于上一期的需的均衡点 价格P,,农民就会减少 时期t+1的生产量。如 1=B1+B2P1+l 此则形成蛛网现象,此时 的供给模型为: 12
12 原因4－蛛网现象 蛛网现象是微观经济学中的 一个概念。它表示某种商品 的供给量受前一期价格影响 而表现出来的某种规律性， 即呈蛛网状收敛或发散于供 需的均衡点。 许多农产品的供给呈现为 蛛网现象，供给对价格的 反应要滞后一段时间，因 为供给需要经过一定的时 间才能实现。如果时期 的价格 低于上一期的 价格 ，农民就会减少 时期 的生产量。如 此则形成蛛网现象，此时 的供给模型为: t Pt Pt-1 t +1 t t t 1 2 1 S P u = + + −
omet, 原因5一模型设定偏误 如果模型中省略了某些重要的解释变量或者模型 函数形式不正确,都会产生系统误差,这种误差 存在于随机误差项中,从而带来了自相关。由于 该现象是由于设定失误造成的自相关,因此,也 称其为虚假自相关 13
13 如果模型中省略了某些重要的解释变量或者模型 函数形式不正确，都会产生系统误差，这种误差 存在于随机误差项中，从而带来了自相关。由于 该现象是由于设定失误造成的自相关，因此，也 称其为虚假自相关。 原因5－模型设定偏误
omet, 例如,应该用两个解释变量,即: ,=B1+B2X2+B331+l 而建立模型时,模型设定为:=B+B2X2x+l1 则x对y的影响便归入随机误差项v中,由 于L,在不同观测点上是相关的,这就造成了 在不同观测点是相关的,呈现出系统模式,此 时u.是自相关的。 14
14 例如，应该用两个解释变量，即: 而建立模型时，模型设定为: 则 对 的影响便归入随机误差项 中，由 于 在不同观测点上是相关的，这就造成了 在不同观测点是相关的，呈现出系统模式，此 时 是自相关的。 t u Y X X u t 2t 3t t 1 2 3 = + + + Y X u t 2t t = + + 1 2 3t X Yt t u t u
omet, 模型形式设定偏误也会导致自相关现象。如将 形成本曲线设定为线性成本曲线,则必定会导致 自相关。由设定偏误产生的自相关是一种虚假自 相关,可通过改变模型设定予以消除。 自相关关系主要存在于时间序列数据中,但是在 横截面数据中,也可能会出现自相关,通常称其 为空间自相关( Spatial auto correlation)。 15
15 模型形式设定偏误也会导致自相关现象。如将 形成本曲线设定为线性成本曲线，则必定会导致 自相关。由设定偏误产生的自相关是一种虚假自 相关，可通过改变模型设定予以消除。 自相关关系主要存在于时间序列数据中，但是在 横截面数据中，也可能会出现自相关,通常称其 为空间自相关（Spatial auto correlation）