第六章自相关性详解

计量经济学第六章自相关自相关是计量经济学中一种重要的现象，它指的是一个变量与其自己在过去时间点上的相关性。

自相关在实证研究中十分常见，对经济学家来说，了解和掌握自相关性质是至关重要的。

1. 引言自相关作为计量经济学的一项基础概念，是经济学研究中不可或缺的一个重要方法。

自相关性的存在通常会引起回归结果的偏误，而忽略自相关性可能导致估计不准确的结果。

因此，探讨自相关性的性质和应对方法是计量经济学的重点之一。

2. 自相关的定义和表示自相关是指一个变量与其自身在过去时间点上的相关性。

假设我们有一个时间序列数据集，其中变量yt表示一个时间点上的观测值，t表示时间索引。

自相关系数可以通过计算观测值yt与其在过去某一时间点上的观测值yt-k（k为时间滞后期数）的相关性来得到。

数学上，自相关系数可以用公式表示为：ρ(k) = Cov(yt, yt-k) / (σ(yt) * σ(yt-k))其中，ρ(k)表示第k期的自相关系数，Cov表示协方差，σ表示标准差。

3. 自相关性的性质自相关性具有以下几个性质：3.1 一阶自相关性一阶自相关性是指变量值yt与前一期的观测值yt-1之间的相关性。

一阶自相关系数ρ(1)通常用来检验时间序列数据是否存在自相关性。

若ρ(1)大于零且显著，则表明存在正的一阶自相关性；若ρ(1)小于零且显著，则表明存在负的一阶自相关性。

3.2 高阶自相关性除了一阶自相关性，时间序列数据还可能存在高阶自相关性。

高阶自相关性是指变量值yt与过去第k期的观测值yt-k之间的相关性。

通过计算不同滞后期的自相关系数ρ(k)，可以了解数据在不同时间跨度上的自相关性情况。

3.3 异方差自相关性异方差自相关性是指时间序列数据中的方差不仅与自身相关，还与过去观测值的相关性有关。

异方差自相关性可能导致在回归分析中的标准误差失效，从而产生无效的回归结果。

因此，在处理存在异方差自相关性的数据时要采取合适的修正方法。

4. 自相关性的检验方法在实证研究中，经济学家通常使用多种方法来检验数据中的自相关性，常用的方法包括：4.1 Durbin-Watson检验Durbin-Watson检验是一种常用的检验自相关性的方法，其基本思想是通过检验误差项的相关性来判断自相关是否存在。

第六章 自相关§6.1 自相关一. 概念：经典假定4 cov(,)0,()i j u u i j =≠，不被满足，称i u 存在自相关或序列相关。

自 相关主要存在于时间序列中。

自相关又分为正自相关和负自相关，其主要表现是： 正自相关：当某个0t u >时，随后若干项12,,t t u u ++⋅⋅⋅⋅⋅⋅都有大于零的倾向； 当某个0t u <时，随后若干项12,,t t u u ++⋅⋅⋅⋅⋅⋅都有小于零的倾向。

负自项关：相邻两项的符号有相反的倾向。

在时间序列中，t u 的符号信息对以后各期都有一定的影响，即跨期的扰动项序列相关（经济数据中居多）。

所以在实际工作中，以正自相关较为常见。

二. 产生自相关的原因：1. 许多经济变量是时间序列，此时不能认为u 无自相关；2. 非重要因素归入随机误差项，而这些因素又有自相关的情况；3. 一些重大偶然事件对经济的冲击，往往要延续一段时间；4. 模型本身设置的不正确。

三. 自相关强度的度量------自相关系数1. 自相关的阶：一阶自相关：t u 只与1t u -（之前一期）有关，1()t t u f u -=； 二阶自相关：t u 与12,t t u u --（之前两期）有关，12(,)t t t u f u u --= s 阶自相关：t u 与之前s 期有关，12(,,,)t t t t s u f u u u ---=⋅⋅⋅⋅⋅⋅一般情况下，以研究一阶自相关为主。

因为相邻两期的影响最强且一阶的形式也比较简单。

这时通常假定是一阶线性自相关。

2. 自相关系数：若假定是一阶线性自相关，则自相关形式为1t t t u u v ρ-=+且11ρ-<<ρ是常数，可称为（一阶）自相关系数；t v 是一个新的随机项且满足所有经典假定，即 2~(0,)t v v N σ ()0t t E v v '= ()t t '≠()0s t E u v = ()t s >这样自相关形式就是一个不含常数项的线性模型，ρ就是回归参数，可用OLS 法估计ρ：12212nt t t nt t u uuρ-∧=-==∑∑1nt t u u-≈∑ （当n 很大时，22122n nt t t t u u-==≈∑∑）这完全符合相关系数的计算表达，所以称ρ为自相关系数是合理的。

第六章自相关性6.1 自相关性：6.1.1. 非自相关假定由第2章知回归模型的假定条件之一是，Cov(u i, u j) = E(u i u j) = 0, (i, j∈T, i≠j), (6.1)即误差项u t的取值在时间上是相互无关的。

称误差项u t非自相关。

如果Cov (u i,u j ) ≠ 0, (i≠j)则称误差项u t存在自相关。

自相关又称序列相关。

原指一随机变量在时间上与其滞后项之间的相关。

这里主要是指回归模型中随机误差项u t与其滞后项的相关关系。

自相关也是相关关系的一种。

6.1.2．一阶自相关自相关按形式可分为两类。

(1)一阶自回归形式当误差项u t只与其滞后一期值有关时，即u t = f (u t - 1) + v t称u t具有一阶自回归形式。

(2) 高阶自回归形式当误差项u t的本期值不仅与其前一期值有关，而且与其前若干期的值都有关系时，即u t = f (u t– 1, u t– 2 , …u t– p ) + v t则称u t具有P阶自回归形式。

通常假定误差项的自相关是线性的。

因计量经济模型中自相关的最常见形式是一阶自回归形式，所以下面重点讨论误差项的线性一阶自回归形式，即u t = α1 u t -1 + v t(6.2)其中α1是自回归系数，v t 是随机误差项。

v t 满足通常假设E(v t) = 0, t = 1, 2 …,T,Var(v t) = σv2, t = 1, 2 …,T,Cov(v i , v j ) = 0, i ≠ j , i , j = 1, 2 …, T , Cov(u t -1, v t ) = 0, t = 1, 2 …, T ,依据普通最小二乘法公式，模型（6.2）中 α1 的估计公式是，1ˆa= ∑∑=-=-Tt t Tt t t u u u 22121(1ˆβ=∑---2)())((x x x x y y t t t ) (6.3)其中T 是样本容量。

计量经济学第六章自相关在计量经济学的学习中，自相关是一个重要且颇具挑战性的概念。

自相关，简单来说，就是指在时间序列或横截面数据中，观测值之间存在的某种相关性。

想象一下，我们在研究某个经济变量随时间的变化情况，比如一家公司的销售额。

如果在不同的时间段，销售额的变化不是相互独立的，而是存在一定的关联，这就可能出现了自相关现象。

自相关产生的原因多种多样。

其中一个常见的原因是经济变量的惯性。

例如，消费者的消费习惯往往具有一定的延续性，不会突然发生巨大的改变。

这就导致消费数据在不同时期可能存在相关性。

另一个可能的原因是模型设定的不准确。

如果我们在构建计量经济模型时，遗漏了某些重要的解释变量，那么残差项就可能包含这些被遗漏变量的影响，从而导致自相关。

自相关的存在会给我们的计量经济分析带来一系列问题。

首先，它会影响参数估计的有效性。

在存在自相关的情况下，传统的最小二乘法（OLS）估计得到的参数估计值不再是最优的，估计的方差也会被低估，这可能导致我们对参数的显著性做出错误的判断。

其次，自相关会使我们对模型的假设检验失效。

假设检验是基于一定的统计分布进行的，如果存在自相关，这些分布就不再适用，从而导致检验结果的不可靠。

那么，如何检测自相关呢？常用的方法有图形法、杜宾瓦特森（DurbinWatson）检验等。

图形法是通过绘制残差的序列图来直观地观察是否存在自相关。

如果残差呈现出某种周期性或趋势性，那么就可能存在自相关。

杜宾瓦特森检验则是一种基于统计量的检验方法。

它通过计算一个特定的统计量，并与临界值进行比较来判断是否存在自相关。

如果经过检测发现存在自相关，我们就需要采取相应的方法来处理。

一种常见的方法是广义最小二乘法（GLS）。

GLS通过对原模型进行变换，使得变换后的模型不存在自相关，从而得到更有效的参数估计。

另外，还可以使用一阶差分法。

这种方法将原变量的一阶差分作为新的变量进行回归分析，从而消除可能存在的自相关。

第六章 自相关性本章教学要求：本章是违背古典假定情况下线性回归描写的参数估计的又一问题。

通过本章的学习应达到：掌握自相关的基本概念，产生自相关的背景；自相关出现对模型影响的后果；诊断自相关存在的方法和修正自相关的方法。

能够运用本章的知识独立解决模型中的自相关问题。

经过第四、五、六章的学习，要求自行选择一个实际经济问题，建立模型，并判断和解决上述可能存在的问题。

第一节 自相关性的概念一、一个例子研究中国城镇居民消费函数，其中选取了两个变量，城镇家庭商品性支出（现价）和城镇家庭可支配收入（现价），分别记为CSJTZC 和CSJTSR ，时间从1978年到1997年，n=20。

但为了剔除物价的影响，分别对CSJTZC 和CSJTSR 除以物价（用CPI 表示），这里CPI 为城镇居民消费物价指数（以1990年为100%），经过扣除价格因素以后，记CPICSJTSRX CPICSJTZCY ==即如下表回归以后得到的残差为Dependent Variable: YMethod: Least SquaresDate: 10/27/04 Time: 09:39Sample: 1978 1997Included observations: 20Std. Error t-Statistic Prob.Variable CoefficientC-103.369278.80739-1.3116690.2061X0.9235510.01603357.603880.00003939.341 R-squared0.994605Mean dependentvarAdjusted R-squared0.994305S.D. dependent var2124.467S.E. of regression160.3247Akaike info criterion13.08692Sum squared resid462671.9Schwarz criterion13.18649Log likelihood -128.8692 F-statistic 3318.207 Durbin-Watson stat1.208037 Prob(F-statistic)0.000000二、什么是自相关性在引出自相关性的概念之前，根据建立中国城镇居民储蓄函数，经用最小二乘法估计出参数后，得到残差序列，由此画出残差图（残差序列自身的关系），从图形上看存在t e 对1 t e 的线性关系，残差的这种现象说明了什么？下面给出序列自相关的定义。