补救序列相关性的方法 如果模型被检验证明存在序列相关性,则需要发 展新的方法估计模型。 最常用的方法是 差分法: 1.广义差分法( Generalized difference) 2.一阶差分法( First-Order Difference) 口广义最小二乘法(GLS: Generalized least squares
• 如果模型被检验证明存在序列相关性，则需要发 展新的方法估计模型。 • 最常用的方法是 差分法： 1. 广义差分法(Generalized Difference)。 2. 一阶差分法（First-Order Difference) 广义最小二乘法（GLS: Generalized least squares）、 补救序列相关性的方法
广义差分法的步骤 第一步:采用适当方法获得未知p的一个 估计值 第二步:用这个估计值对变量作广义差 分变换,以估计广义差分模型
广义差分法的步骤 • 第一步：采用适当方法获得未知的一个 估计值 • 第二步：用这个估计值对变量作广义差 分变换，以估计广义差分模型
广义差分法的特点 消除序列相关的目标:使求得的新模型中的随机 误差项无序列相关 具体做法 第一步:原模型中的随机误差项存在几阶自回归形式, 就对原模型滞后几期并给每期乘上相应 pm(m=1,2,,D) 第二步:用原模型减去各滞后期模型,所得新模型消 除了序列相关性
广义差分法的特点 • 消除序列相关的目标：使求得的新模型中的随机 误差项无序列相关 • 具体做法： 第一步：原模型中的随机误差项存在几阶自回归形式， 就对原模型滞后几期并给每期乘上相应 m(m=1,2,，l) 第二步：用原模型减去各滞后期模型，所得新模型消 除了序列相关性
从DW统计量中估计 根据DW与p之间的近似的关系 ∑ea DM.≈2(1 i=2 )≈2(1-P) ∑ DW 有 于是,根据DW.的值可得相关系数的估计值 注意:此法仅适用于存在一阶自回归形式的模型,且 只有当样本容量很大时才能得到较理想的估计值
• 根据D.W.与之间的近似的关系 • 有 • 于是，根据D.W.的值可得相关系数的估计值 • 注意：此法仅适用于存在一阶自回归形式的模型，且 只有当样本容量很大时才能得到较理想的估计值 ) 2(1 ) ~ ~ ~ . . 2(1 1 2 2 1 - - = = - n i i n i i i e e e DW ^ 2 D.W. ˆ = 1- 从D.W.统计量中估计
一阶差分法 阶差分法是将原模型 y1=B0+B1x1+H1i=1,2 滞后一期y:1)0+B1x1+41,两式相减变换为 Ay;=BAx1+1-H1i=2,…,n 其中 Viy 一阶差分 将变量的当期值减去前期值
一阶差分法 一阶差分法是将原模型 yi x i i = b + b + m 0 1 i=1,2, …,n 滞后一期 yi-1=b0+b1xi-1+mi-1，两式相减变换为 1 -1 D = D + - yi x i i i b m m i=2, …,n 其中 L -1 D = - yi yi yi 一阶差分 将变量的当期值减去前期值 Dxi =xi－xi-1
广义最小二乘法 先将存在违背基本假设的原模型中的变量转换为满 足基本假设的新变量,然后对新变量使用OLS的估 计方法叫做GLS,所得估计量称为GLS估计量
广义最小二乘法 先将存在违背基本假设的原模型中的变量转换为满 足基本假设的新变量，然后对新变量使用OLS的估 计方法叫做GLS，所得估计量称为GLS估计量