计量经济学EViews自相关检验及修正实验报告.docx

计量经济学EViews自相关检验及修正实验报告.docx

《计量经济学EViews自相关检验及修正实验报告.docx》由会员分享，可在线阅读，更多相关《计量经济学EViews自相关检验及修正实验报告.docx（15页珍藏版）》请在冰豆网上搜索。

计量经济学EViews自相关检验及修正实验报告

自相关问题的检验与修正

【实验目的与要求】

熟练使用EViews软件进行计量分析，理解自相关的检验和估计的基本方法

【实验准备】

1.自相关的基本概念：

若Cov（ui,uj）=E（uiuj）=0（i≠j）不成立，即线性回归模型扰动项的方差—协方差矩阵的非主对角线元素不全为零，则称为扰动项自相关，或序列相关（serialcorrelation）

2.自相关的后果：

（1）在扰动项自相关的情况下，尽管OLS估计量仍为无偏估计量，但不再具有最小方差的性质，即不是BLUE。

（2）OLS估计量的标准误差不再是真实标准误差的无偏估计量，使得在自相关的情况下，无法再信赖回归参数的置信区间或假设检验的结果。

3.检验自相关的基本方法：

残差检验、D.W检验、Q检验

4.自相关的修正方法：

广义差分法。

【实验内容】

1.利用实验数据建立实际有效汇率REER对名义有效汇率NEER的一元回归模型，根据残差检验、D.W检验、Q检验判别是否存在自相关。

2.利用实验数据，建立中国出口EX对中国进口IM的一元回归模型，根据残差检验、D.W检验、Q检验判别是否存在自相关。

3.如果检验结果为存在自相关，根据残差检验和D.W检验估计一阶自相关系数。

4.根据估计出的一阶自相关系数，利用广义差分法估计模型。

5.对利用广义差分法估计得到的模型，根据残差检验、D.W检验、Q检验判别是否存在自相关。

6.对实际有效汇率REER对名义有效汇率NEER和中国出口EX对中国进口IM的一元回归模型，根据残差检验和Q检验判别是否存在高阶自相关。

7.如果检验结果为存在高阶自相关，根据残差检验估计高阶自相关系数。

8.根据估计出的高阶自相关系数，利用广义差分法估计模型。

9.对利用广义差分法估计得到的模型，根据残差检验和Q检验判别是否存在高阶自相关。

10.对在同样数据基础上得到的不同模型进行比较分析。

【实验数据】

以下实验数据为1980-2003年人民币名义有效汇率（NEER）和实际有效汇率（REER）的数据（来源于国际货币基金组织出版的国际金融统计（IFS））和1982-2002年中国出口（EX）和进口（IM）（单位：

亿美元）的数据（来源于中国商务部网站）。

中国汇率和进出口数据

年份

NEER

REER

EX

IM

1980

387.82

342.86

1981

378.66

303.74

1982

389.2

290.06

223.2

192.9

1983

408.68

285.16

222.3

213.9

1984

388.57

254.22

261.4

274.1

1985

332.49

215.74

273.5

422.5

1986

242.54

157.09

309.4

429

1987

207.46

136.96

394.4

432.2

1988

159.23

114.06

475.2

552.7

1989

179.02

131.57

525.4

591.4

1990

173.83

116.99

620.9

533.5

1991

157.4

103.76

719.9

637.9

1992

139.29

93.3

849.4

825.9

1993

111.83

82.55

917.4

1039.6

1994

101.23

89.75

1210.1

1156.2

1995

100

100

1487.8

1320.8

1996

104.23

109.68

1510.5

1388.3

1997

111.08

116.87

1827.9

1423.7

1998

116.15

119.21

1837.1

1402.4

1999

113.65

115.3

1949.3

1657

2000

116.79

118.24

2492

2250.9

2001

122.03

123.35

2661

2435.5

2002

120.98

121.37

3255.7

2952

2003

112.66

113.94

【实验步骤】

1.建立EViews工作文件，并录入NEER、REER、EX、IM的数据

2.选择回归样本区间，利用OLS估计REER对NEER的回归模型

3.为方程命名。

4.用方程残差生成一个新序列。

5.根据回归模型中的D.W统计量值查询表判别是否存在自相关。

根据EViews回归结果，模型中D.W=0.228018，查表可知，模型存在一阶自相关现象

6.用残差新序列对其一阶滞后的不同函数形式进行回归

由以上回归模型可以得知，数据的确存在一阶自相关问题

7.对模型进行Q检验

根据Q检验判定模型可能存在高阶自相关

8.重新选择样本区间，利用OLS估计EX对IM的回归模型

9.重复3~7步

根据回归结果，模型中D.W=0.942151，查表可知dL=1.221，因此模型存在一阶自相关。

用残差新序列对其一阶滞后的不同函数形式进行回归

根据以上回归可以推断：

可能存在一阶自相关问题

Q检验结果如下图所示

根据Q检验结果可以推断：

可能存在高阶自相关问题。

10.对存在自相关的模型，根据D.W统计量近似计算一阶自相关系数利用差分法估计模型

D.W≈2（1-ρ）

对于NEER与REER的模型中ρＮ=0.885991

对于EX与IM模型，ρE=0.528925

估计模型

11.对估计出的模型重复3~7步

检验结论如下：

修正后REER对NEER模型仍存在一阶自相关；

修正后EX对IM的模型不存在一阶自相关问题

12.对修正后的REER对NEER的回归模型进行Q检验

结论：

可能存在高阶自相关问题

13.对模型进行修正

【实验总结】

通过本次试验，理解时间序列数据模型一般存在自相关

运用残差检验、D.W检验、Q检验对模型进行自相关检验

了解时间序列模型中可能出现的高阶自相关

运用广义差分法对数据模型进行修正

写出实验报告