2、变量的显著性检验失去意义 在变量的显著性稔验中，统计量是建立在参 数方差正确估计基础之上的，这只有当随机误 差项具有同方差性和互相独立性时才能成立。 如果存在序列相关，估计的参数方差S 出现偏误（偏大或偏小），t检验就失去意义。 其他检验也是如此。 16
16 2、变量的显著性检验失去意义 在变量的显著性检验中，统计量是建立在参 数方差正确估计基础之上的，这只有当随机误 差项具有同方差性和互相独立性时才能成立。 其他检验也是如此
3、漠型的预测失效 区间预测与参数估计量的方差有关，在方 差有偏误的情况下，使得预测估计不准确，预 测精度降低。 所以，当模型出现序列相关性时，它的预 测功能失效。 17
17 3、模型的预测失效 区间预测与参数估计量的方差有关，在方 差有偏误的情况下，使得预测估计不准确，预 测精度降低。 所以，当模型出现序列相关性时，它的预 测功能失效
三、序列相关性的检验 基本思路： 序列相关性检验方法有多种，但基本思路相同： 首先，采用OLS法估计模型，以求得随机误差项的 “近似估计量”，用e,表示： @=Y,-(Y;)ons 然后，通过分析这些“近似估计量”之间的相 关性，以判断随机误差项是否具有序列相关性。 18
18 然后，通过分析这些“近似估计量”之间的相 关性，以判断随机误差项是否具有序列相关性。 序列相关性检验方法有多种，但基本思路相同： 首先，采用 OLS 法估计模型，以求得随机误差项的 “近似估计量”，用~ei表示： i Yi Yi l s e 0 ) ˆ ( ~ = − 基本思路: 三、序列相关性的检验
1、图示法 用E:的变化图形来判断4的序列相关性： 正序列相关（正自相关） 克 负序列相关（负自相关） 19
19 1、图示法
2、回归检验法 以，为被解释变量，以各种可能的相关量，诸如以e,-1、 ,-2、,等为解释变量，建立各种方程： e,=pe,-1+8, ,=pe+P2e-2+8, 如果存在某一种函数形式，使得方程显著成 立，则说明原模型存在序列相关性。 回归检验法的优点是：（1)首 能够确定序列相 关的形式，（2)适用于任何类型序列相关性问 题的检验。 20
20 2、回归检验法 以 t e ~ 为被解释变量，以各种可能的相关量，诸如以 1 ~ t− e 、 2 ~ t− e 、 ~2 t e 等为解释变量，建立各种方程： t t t e = e + −1 ~ ~ t t t t e = e + e + 1 −1 2 −2 ~ ~ ~ . 如果存在某一种函数形式，使得方程显著成 立，则说明原模型存在序列相关性。 回归检验法的优点是：（1）能够确定序列相 关的形式，（2）适用于任何类型序列相关性问 题的检验