ln in t)( v 1 r t 12ln gt( ) n u tp
t = 1; 2; ; T
18
应用最小二乘法得到的估计方程如下:
li n n t) ( v 0 .0r t 1 1 0 .6 7l3 g nt 4 ) n ( u ˆ tp
t =1 32 154 25
R2=0 80 D W =0 94
第五章 时间序列模型
关于标准回归技术及其预测和检验我们已经在 前面的章节讨论过了;本章着重于时间序列模型的估 计和定义;这些分析均是基于单方程回归方法;第9章 我们还会讨论时间序列的向量自回归模型
这一部分属于动态计量经济学的范畴 通常是运 用时间序列的过去值 当期值及滞后扰动项的加权和 建立模型;来解释时间序列的变化规律
E ( u t u t s ) 0 s 0 ,t 1 ,2 , ,T 5 1 4
特别的;如果仅存在
E ( u tu t 1 ) 0 t 1 ,2 , ,T 5 1 5
称为一阶序列相关;这是一种最为常见的序列相关问题
6
如果回归方程的扰动项存在序列相关;那么应用最 小二乘法得到的参数估计量的方差将被高估或者低估 因此;检验参数显著性水平的 t 统计量将不再可信 可以 将序列相关可能引起的后果归纳为:
r1
k,k
rk
r k1
j1 k1, j k j
1
r k1
j1 k1, j k j
k 1 k 1
其中:rk 是在 k 阶滞后时的自相关系数估计值
k,j
k 1 ,j
k,k k 1 ,kj
这是偏自相关系数的一致估计
5 2 27
5 2 28
13
要得到k;k的更确切的估计;需要进行回归