清华大学：《计量经济学》课程教学资源（PPT课件讲稿）第四章 经典单方程计量经济学模型：放宽基本假定的模型（4.2）序列相关性

§42序列相关性 Serial correlation

§4.2 序列相关性 Serial Correlation

§42序列相关性 一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、具有序列相关性模型的估计 六、案例

一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、具有序列相关性模型的估计 六、案例 §4.2 序列相关性

、序列相关性概念 对于模型 YB0+B1X1计+B2X2+…+AXk+1 随机项互不相关的基本假设表现为 CoV(4,)=0 i≠i,i=1,2 如果对于不同的样本点,随机误差项之间不再 是不相关的,而是存在某种相关性,则认为出现 序列相关性

一、序列相关性概念 如果对于不同的样本点，随机误差项之间不再 是不相关的，而是存在某种相关性，则认为出现 了序列相关性。 对于模型 Yi=0+1X1i+2X2i+…+kXki+i i=1,2, …,n 随机项互不相关的基本假设表现为 Cov(i , j )=0 ij, i,j=1,2, …,n

在其他假设仍成立的条件下,序列相关即意味着 E(11)≠0 或 E Cov(a)=E(uu) E(u,u, o2≠O2I

在其他假设仍成立的条件下，序列相关即意味着 ( )  0 E  i  j           =  = 2 1 1 2 ( ) ( ) ( ) ( )            n n E E Cov μ E μμ           = 2 1 1 2          n n Ω I 2 2 =    或

如果仅存在 E(11+1)≠0 n 称为一阶列相关,或自相关( autocorrelation) 自相关往往可写成如下形式: =1+E -1<p<1 其中:p被称为自协方差系数( coefficient of autocovariance)或一阶自相关系数( first- order coefficient of autocorrelation G是满足以下标准的OLS假定的随机干扰项: E(E)=0,Var(E1)=0 coV(E1,-s)=0s≠0 由于序列相关性经常出现在以时间序列为样本的模型中, 因此,本节将用下标代表

称为一阶列相关，或自相关（autocorrelation） 其中 ： 被 称为 自协 方差 系数 （coefficient of autocovariance）或一阶自相关系数（first-order coefficient of autocorrelation） i是满足以下标准的OLS假定的随机干扰项： 如果仅存在 E(i i+1)0 i=1,2, …,n 自相关往往可写成如下形式： i =i-1+i -1<<1 ( ) = 0 E i  , 2 var( i ) =  , cov( , ) = 0 i i−s   s  0 由于序列相关性经常出现在以时间序列为样本的模型中， 因此，本节将用下标t代表i