2、序列相关产生的原因(实际和理论) (1)惯性(经济行为的惯性) 大多数经济时间数据都有一个明显的特点,就是 它的惯性。 GDP、价格指数、生产、就业与失业等时间序列都 呈周期性,如周期中的复苏阶段,大多数经济序列均 呈上升势,序列在每一时刻的值都高于前一时刻的值, 似乎有一种内在的动力驱使这一势头继续下去,直至 某些情况(如利率或课税的升高)出现才把它拖慢下 来
2、序列相关产生的原因（实际和理论） （1）惯性（经济行为的惯性） 大多数经济时间数据都有一个明显的特点，就是 它的惯性。 GDP、价格指数、生产、就业与失业等时间序列都 呈周期性，如周期中的复苏阶段，大多数经济序列均 呈上升势，序列在每一时刻的值都高于前一时刻的值， 似乎有一种内在的动力驱使这一势头继续下去，直至 某些情况（如利率或课税的升高）出现才把它拖慢下 来
例1:以绝对收入假设为理论假设、以时间序列数据作 样本建立居民总消费函数模型: C=β0+β1l+μt 以总收入作为解释变量,以总消费额作为被解释变量, 那么,μ为除去总收入之外的影响消费的所有因素之 和。如消费习惯等。如果收入之外的因素发生变化, 显然会通过μ对当期的消费产生影响。以消费习惯为例, 个习惯形成后在短期内很难发生巨大改变。即消费 习惯具有惯性。若前一年它对消费产生正的影响,那 么后一年也会是正的影响,于是在不同的样本点(不 同年份)间,μ之间存在关联从而出现序列相关性, 而且在这个例子中,μ之间表现为正相关性
• 例1：以绝对收入假设为理论假设、以时间序列数据作 样本建立居民总消费函数模型： • Ct= b0+b1 It+t • 以总收入作为解释变量，以总消费额作为被解释变量， 那么， 为除去总收入之外的影响消费的所有因素之 和。如消费习惯等。如果收入之外的因素发生变化， 显然会通过对当期的消费产生影响。以消费习惯为例， 一个习惯形成后在短期内很难发生巨大改变。即消费 习惯具有惯性。若前一年它对消费产生正的影响，那 么后一年也会是正的影响，于是在不同的样本点（不 同年份）间，之间存在关联从而出现序列相关性， 而且在这个例子中，之间表现为正相关性
例2:以时间序列数据为样本建立农业生产函 数模型。 如果模型的解释变量中不包含气候变量,那么 它对农业产出的影响将反映在μ中。 由于气候的变化往往呈现出好坏相间的趋势, 所谓“大灾之后必有丰年”,在第t年它对产 出有正的影响,在第t+1年一般就会产生负的 影响。 于是引起μ之间存在关联,出现序列相关。而 且在此例中,μ之间存在负相关
• 例2：以时间序列数据为样本建立农业生产函 数模型。 • 如果模型的解释变量中不包含气候变量，那么 它对农业产出的影响将反映在中。 • 由于气候的变化往往呈现出好坏相间的趋势， 所谓“大灾之后必有丰年”，在第t年它对产 出有正的影响，在第t+1年一般就会产生负的 影响。 • 于是引起之间存在关联，出现序列相关。而 且在此例中， 之间存在负相关
由于经济行为的惯性,使得在采用时间 序列数据进行计量分析时,往往易出现 序列相关性
• 由于经济行为的惯性，使得在采用时间 序列数据进行计量分析时，往往易出现 序列相关性
(2)设定偏误:模型中遗漏了显著的变量 例如:如果对牛肉需求的正确模型应为 yβ0+β1x1t+2x2+3x3t+ut 其中:y=牛肉需求量,x1牛肉价格,x2=消费者 收入,x3猪肉价格。 如果模型设定为: y=阝0+B1x1+B 那么该式中的随机误差项实际上是:w=阝3x3+ 于是在猪肉价格影响牛肉消费量的情况下 这种模型设定的偏误往往导致随机项中有一个 重要的系统性影响因素,使其呈序列相关性
（2）设定偏误：模型中遗漏了显著的变量 例如：如果对牛肉需求的正确模型应为 yt =b0+b1 x1t+b2 x2t+b3 x3t+t 其中：y=牛肉需求量，x1 =牛肉价格，x2 =消费者 收入，x3 =猪肉价格。 如果模型设定为： yt= b0+b1 x1t+b2 x2t+vt 那么该式中的随机误差项实际上是：vt = b3 x3t+t, 于是在猪肉价格影响牛肉消费量的情况下， 这种模型设定的偏误往往导致随机项中有一个 重要的系统性影响因素，使其呈序列相关性