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。 如果存在序列相关,估计的参数方差SB 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
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、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
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
三、序列相关性的检验
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2表示: iols 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
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;的序列相关性 et 正序列相关(正自相关) 负序列相关(负自相关)
1、图示法