实验六自相关模型的检验和处理学生实验报告.docx
- 文档编号:8526169
- 上传时间:2023-01-31
- 格式:DOCX
- 页数:15
- 大小:119.76KB
实验六自相关模型的检验和处理学生实验报告.docx
《实验六自相关模型的检验和处理学生实验报告.docx》由会员分享,可在线阅读,更多相关《实验六自相关模型的检验和处理学生实验报告.docx(15页珍藏版)》请在冰豆网上搜索。
实验六自相关模型的检验和处理学生实验报告
实验报告
课程名称:
计量经济学
实验项目:
实验六自相关模型的
检验和处理
实验类型:
综合性□设计性□验证性
专业班别:
姓名:
学号:
实验课室:
指导教师:
石立
实验日期:
2014年6月13日
商学院华商学院教务处制
一、实验项目训练方案
小组合作:
是□否
小组成员:
无
实验目的:
掌握自相关模型的检验和处理方法
实验场地及仪器、设备和材料
实验室:
普通配置的计算机,Eviews软件及常用办公软件。
实验训练容(包括实验原理和操作步骤):
【实验原理】
自相关的检验:
图形法检验、D-W检验
自相关的处理:
广义差分变换、迭代法
【实验步骤】
本实验中考虑以下模型:
【模型1】财政收入CS对收入法GDPS的回归模型
【模型2】财政支出CZ对财政收入CS的回归模型
【模型3】消费品零售额SLC对收入法GDPS的回归模型
【模型4】财政收入的对数log(cs)对时间T的回归模型
【模型5】收入法GDPS的对数log(GDPS)对时间T的回归模型
数据见“附表:
省宏观经济数据(部分)-第六章”
(一)自相关的检验
1.图形法检验
使用图形检验法分别检验上述【模型1-4】是否存在自相关问题。
分别作这四个模型的残差散点图(即残差后一项对前一项的散点图:
对
)和残差趋势图(即残差
对时间
的线图),并判断模型是否存在自相关以及是正的自相关还是负的自相关。
【模型1】残差散点图残差趋势图
结论:
从图上看,CS对GDPS回归的残差有一定的自相关。
【模型2】残差散点图残差趋势图
结论:
从图上看,CZ对CS回归的残差应
【模型3】残差散点图残差趋势图
结论:
从图上看,SLC对GDPS回归的残差有很强的自相关
【模型4】残差散点图残差趋势图
结论:
从图上看,log(CS)对T回归的残差也有很强的自相关
(请对得到的图表进行处理,以上在一页)
2.D-W检验
分别计算上述【模型1-3】和【模型5】的D-W统计量的值,判断模型是否存在自相关问题。
【模型1】
CS=12.50360+0.080296GDPS
(15.58605)(0.001891)
(0.802615)(42.45297)
R^2=0.985232SE=61.92234DW=0.942712F=1802.255
结论:
DW值偏近0,存在自相关
【模型2】
DW=1.561721
结论:
DW值接近2,不存在自相关
【模型3】
DW=0.293156
结论:
DW值接近0,存在很强的自相关
【模型5】
DW=0.198218
结论:
DW值偏近0,存在严重的自相关
(请对得到的图表进行处理,以上在一页)
(二)自相关的处理
1.【模型3】SLC对GDPS回归自相关的处理
DependentVariable:
SLC
Method:
LeastSquares
Date:
06/13/14Time:
11:
25
Sample(adjusted):
19802005
Includedobservations:
26afteradjustments
Convergenceachievedafter14iterations
Coefficient
Std.Error
t-Statistic
Prob.
GDPS
0.227124
0.042324
5.366357
0.0000
C
-863.1769
929.2543
-0.928892
0.3630
AR
(1)
1.536140
0.186539
8.234941
0.0000
AR
(2)
-0.503590
0.199972
-2.518301
0.0196
R-squared
0.999440
Meandependentvar
2323.710
AdjustedR-squared
0.999364
S.D.dependentvar
2354.344
S.E.ofregression
59.39227
Akaikeinfocriterion
11.14684
Sumsquaredresid
77603.71
Schwarzcriterion
11.34040
Loglikelihood
-140.9090
Hannan-Quinncriter.
11.20258
F-statistic
13087.46
Durbin-Watsonstat
1.717996
Prob(F-statistic)
0.000000
InvertedARRoots
1.06
.47
EstimatedARprocessisnonstationary
DW检验值达到了1.717996,消除了自相关。
没有消除和消除了自相关的回归方程为:
SLC=0.4GDPS+148.696223954SLC=0.4GDPS-863.176882154+(AR
(1)=1.5361,AR
(2)=-0.5036
2.【模型5】LOG(GDPS)对T回归自相关的处理
DependentVariable:
LOG(GDPS)
Method:
LeastSquares
Date:
06/13/14Time:
11:
26
Sample(adjusted):
19802005
Includedobservations:
26afteradjustments
Convergenceachievedafter3iterations
Coefficient
Std.Error
t-Statistic
Prob.
T
0.183936
0.011690
15.73461
0.0000
C
5.020003
0.214241
23.43160
0.0000
AR
(1)
1.470687
0.166912
8.811131
0.0000
AR
(2)
-0.613537
0.174363
-3.518737
0.0019
R-squared
0.998601
Meandependentvar
7.869818
AdjustedR-squared
0.998410
S.D.dependentvar
1.458838
S.E.ofregression
0.058174
Akaikeinfocriterion
-2.710105
Sumsquaredresid
0.074454
Schwarzcriterion
-2.516552
Loglikelihood
39.23137
Hannan-Quinncriter.
-2.654369
F-statistic
5233.128
Durbin-Watsonstat
1.920812
Prob(F-statistic)
0.000000
InvertedARRoots
.74+.27i
.74-.27i
DW检验值达到了1.920812,消除了自相关没有消除和消除了自相关的回归方程为:
Log(GDPS)=0.1885795351*T+4.Log(GDPS)=0.8*T+5.+(AR
(1)=1.4707,AR
(2)=-0.6135)
(请对得到的图表进行处理,以上在一页)
(三)补充实验
1.使用图形检验法检验【模型5】是否存在自相关问题。
分别作这个模型的残差散点图(即残差后一项对前一项的散点图:
对
)和残差趋势图(即残差
对时间
的线图),并判断模型是否存在自相关以及是正的自相关还是负的自相关。
从图上看,log(GDPS)对T回归的残差也有很强的正自相关
(请对得到的图表进行处理,以上在一页)
2.计算上述【模型4】的D-W统计量的值,判断模型是否存在自相关问题。
log(cs)=3.061611+0.159151*T
(0.00644999)(0.000388595)
(47.46694)(40.95545)
R^2=0.984736SE=0.166099DW=0.670889F=1677.349
3.对【模型1】、【模型2】和【模型4】的自相关问题进行处理。
【模型1】
DependentVariable:
CS
Method:
LeastSquares
Date:
06/13/14Time:
11:
34
Sample(adjusted):
19792005
Includedobservations:
27afteradjustments
Convergenceachievedafter5iterations
Coefficient
Std.Error
t-Statistic
Prob.
GDPS
0.080146
0.003100
25.85188
0.0000
C
12.30925
30.16759
0.408029
0.6869
AR
(1)
0.528060
0.173127
3.050130
0.0055
R-squared
0.989511
Meandependentvar
464.6559
AdjustedR-squared
0.988637
S.D.dependentvar
512.8281
S.E.ofregression
54.66577
Akaikeinfocriterion
10.94479
Sumsquaredresid
71720.32
Schwarzcriterion
11.08877
Loglikelihood
-144.7547
Hannan-Quinncriter.
10.98761
F-statistic
1132.079
Durbin-Watsonstat
1.734469
Prob(F-statistic)
0.000000
InvertedARRoots
.53
【模型2】
DependentVariable:
CS
Method:
LeastSquares
Date:
06/13/14Time:
11:
35
Sample(adjusted):
19792005
Includedobservations:
27afteradjustments
Convergenceachievedafter4iterations
Coefficient
Std.Error
t-Statistic
Prob.
CZ
0.778415
0.013314
58.46449
0.0000
C
19.74909
11.93393
1.654868
0.1110
AR
(1)
0.218873
0.199282
1.098308
0.2830
R-squared
0.995395
Meandependentvar
464.6559
AdjustedR-squared
0.995011
S.D.dependentvar
512.8281
S.E.ofregression
36.22199
Akaikeinfocriterion
10.12165
Sumsquaredresid
31488.78
Schwarzcriterion
10.26563
Loglikelihood
-133.6423
Hannan-Quinncriter.
10.16446
F-statistic
2593.808
Durbin-Watsonstat
1.788804
Prob(F-statistic)
0.000000
InvertedARRoots
.22
【模型4】
DependentVariable:
LOG(CS)
Method:
LeastSquares
Date:
06/13/14Time:
11:
37
Sample(adjusted):
19792005
Includedobservations:
27afteradjustments
Convergenceachievedafter3iterations
Coefficient
Std.Error
t-Statistic
Prob.
T
0.167438
0.005185
32.29337
0.0000
C
2.892494
0.095559
30.26915
0.0000
AR
(1)
0.480336
0.120045
4.001307
0.0005
R-squared
0.994392
Meandependentvar
5.429892
AdjustedR-squared
0.993925
S.D.dependentvar
1.304108
S.E.ofregression
0.101644
Akaikeinfocriterion
-1.630250
Sumsquaredresid
0.247954
Schwarzcriterion
-1.486268
Loglikelihood
25.00837
Hannan-Quinncriter.
-1.587436
F-statistic
2127.985
Durbin-Watsonstat
2.262057
Prob(F-statistic)
0.000000
InvertedARRoots
.48
(请对得到的图表进行处理,以上在一页)
二、实验总结与评价
实验总结(包括实验数据分析、实验结果、实验过程中出现的问题及解决方法等):
见实验步骤中。
1、当总体回归模型的随机误差项在不同观测点上彼此相关时就产生了自相关问题。
2、时间序列的惯性、经济活动的滞后效应、模型设定错误、数据的处理等多种原因都可能导致出现自相关。
3、在出现自相关时,普通最小二乘估计量依然是无偏、一致的,但不再是有效的。
如果仍用OLS法计算参数估计值的方差,将可能会低估存在自相关时参数估计值的真实方差。
而且会低估真实的数据的低估和参数估计值方差的低估,通常的t检验和F检验都不能有效地使用,也使预测的置信区间不可靠,降低了预测的精度。
4、随机误差项的自相关形式决定于其相关联形式,可以为m阶自回归形式(m=1,2,…,m),即AR(m)。
为了研究问题的方便和考虑实际问题的代表意义,通常将自相关设定为一阶自相关即AR
(1)模式。
用一阶自相关系数p表示自相关的程度与方向。
5、由于Ut不可观测,通常使用Ut的估计量e1判断Ut的特性。
绘制et-1,et的散点图或按照时间顺序绘制回归残差项et的图形,可以判断自相关的存在。
判断自相关的存在最常用的方法是依据et计算的DW统计量,但要注意DW检验法的前提条件和局限性。
6、如果自相关系数p是已知的,我们可以使用广义差分法消除序列相关。
7、如果自相关系数p是未知的,我们可采用科克伦-奥克特迭代法或德宾两步法求得p的估计值,然后用广义差分法消除序列相关。
对实验的自我评价:
掌握自相关模型的检验和处理方法
指导教师评语:
学生实验成绩评定:
指导教师签名:
日期:
年月日
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 实验 相关 模型 检验 处理 学生 报告