设定偏误：模型中遗漏了显著的变量 列如：如果对牛肉需求的正确模型应为 Y:=Bo+BiXit+B2X2t+B3X3t+m 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=Bo+BiXit+B2X2+V 那么该式中的随机误差项实际上是： Vt=B3X3t+ut, 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。 11
11 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=0+1X1t+2X2t+3X3t+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= 0+1X1t+2X2t+vt 那么该式中的随机误差项实际上是： vt= 3X3t+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
设定偏误：不正确的函数形式 例如：如果边际成本模型应为： Y:=Bo+B1X:+B2Xt2+ut 其中：Y=边际成本，X=产出。 但建模时设立了如下模型： Yt=βo+B1Xt+Vt 因此，由于V=2X+此，包含了产出的平方对 随机项的系统性影响，随机项也呈现序列相关性。 12
12 设定偏误：不正确的函数形式 例如：如果边际成本模型应为： Yt= 0+1Xt+2Xt 2+t 其中：Y=边际成本，X=产出。 但建模时设立了如下模型： Yt= 0+1Xt+vt 因此，由于vt= 2Xt 2+t, ，包含了产出的平方对 随机项的系统性影响，随机项也呈现序列相关性
3、数据的“编造 在实际经济问题中，有些数据是通过已知数据 生成的。 因此，新生成的数据与原数据间就有了内在的 联系，表现出序列相关性。 例如：季度数据来自月度数据的简单平均， 这种平均的计算减弱了每月数据的波动性，从 而使随机干扰项出现序列相关。 还有就是两个时间点之间的“内插”技术 往往导致随机项的序列相关性。 13
13 3、数据的“编造” 例如：季度数据来自月度数据的简单平均， 这种平均的计算减弱了每月数据的波动性，从 而使随机干扰项出现序列相关。 还有就是两个时间点之间的“内插”技术 往往导致随机项的序列相关性。 在实际经济问题中，有些数据是通过已知数据 生成的。 因此，新生成的数据与原数据间就有了内在的 联系，表现出序列相关性
4、蛛网现象 例如，农产品供给对价格的反映本身存在 一个滞后期： 供给t=0+B1价格t-1+4 意味着，农民由于在年度t的过量生产（使该期 价格下降)很可能导致在年度t+1时削减产量， 因此不能期望随机干扰项是随机的，往往产生 一种蛛网模式。 14
14 4、蛛网现象 例如，农产品供给对价格的反映本身存在 一个滞后期： 供给t= 0+1价格t-1+t 意味着，农民由于在年度t的过量生产（使该期 价格下降）很可能导致在年度t+1时削减产量， 因此不能期望随机干扰项是随机的，往往产生 一种蛛网模式
二、序列相关性的后果 计量经济学模型一旦出现序列相关性，如果仍 采用OLS法估计模型参数，会产生下列不良后果： 1、参数估计量非有效 因为，在有效性证明中利用了 E(NN')=o2I 即同方差性和互相独立性条件。 而且，在大样本情况下，参数估计量虽然具有 一致性，但仍然不具有渐近有效性。 15
15 计量经济学模型一旦出现序列相关性，如果仍 采用OLS法估计模型参数，会产生下列不良后果： 二、序列相关性的后果 1、参数估计量非有效 因为，在有效性证明中利用了 E(NN’)=2 I 即同方差性和互相独立性条件。 而且，在大样本情况下，参数估计量虽然具有 一致性，但仍然不具有渐近有效性