【计量经济学及Stata应用】第8章自相关

2023-10-22 18:24| 来源: 网络整理| 查看: 265

目录 8.1 自相关的后果8.2 自相关的例子8.3自相关的检验8.4 自相关的处理8.5 处理自相关的Stata命令及实例

在这里插入图片描述

8.1 自相关的后果

在自相关的情况下：

（1）OLS估计量依然是无偏、一致且渐近正态的

（2）OLS估计量方差 V a r ( β ^ ∣ X ) Var(\boldsymbol{\hat\beta|X}) Var(β^∣X)的表达式不再是 σ 2 ( X ′ X ) − 1 \sigma^2(\boldsymbol{X'X})^{-1} σ2(X′X)−1 普通标准误的 t t t检验、 F F F检验失效。

（3）高斯-马尔可夫定理不再成立，即OLS不再是BLUE。由于自相关的存在，使得样本回归线上下摆动幅度增大，导致参数估计变得不准确。

8.2 自相关的例子

我感觉可以认为是可能出现自相关的几种情况。

（1）时间序列数据中自相关比较常见（2）横截面数据不容易出现自相关，但相邻的观测单位之间也可能存在溢出效应，这种自相关也成为“空间自相关”。（3）对数据进行人为处理导致的自相关：平移平均数、内插值（第9章）、季节调整（第13章）。统计局提供的某些数据可能事先经过了这些人为处理。（4）设定误差：如果模型设定中遗漏了某个自相关的解释变量，并被纳入到扰动项中，则会引起扰动项的自相关。

8.3自相关的检验

在这里插入图片描述

8.4 自相关的处理

在这里插入图片描述

8.5 处理自相关的Stata命令及实例

在这里插入图片描述

icecream.dta

use "D:\a_DUFE\000master_gogogo\stata相关\陈强_计量经济学及Stata应用\Data-Finished-本科计量\icecream.dta" tsset time //设为时间序列数据 //消费量与气温的时间趋势图 twoway connect consumption time,msymbol(circle) yaxis(1)||connect temp time,msymbol(triangle) yaxis(2) //connect：观测点用线连起来；msymbol():用什么形状表示观测点，圆圈、三角形 reg consumption temp price income //进行OLS回归 predict e1,r //计算残差 //画残差与残差滞后的散点图 twoway scatter e1 l.e1||lfit e1 l.e1 twoway scatter e1 l2.e1||lfit e1 l2.e1 //画残差的自相关图 ac e1 //BG检验 estat bgodfrey estat bgodfrey,nomiss0 //Q检验 wntestq e1 corrgram e1 //DW检验 estat dwatson //HAC标准误 newey consumption temp price income,lag(3) //滞后阶数p=3 newey consumption temp price income,lag(6) //滞后阶数p=6 //FGLS prais consumption temp price income,corc //CO估计法 prais consumption temp price income,nolog //PW估计法，nolog表示不显示迭代过程 //修改模型设定 reg consumption temp L.temp price income estat bgo //BG检验 estat dwa //DW检验

在这里插入图片描述冰激凌消费量与温度明显地正相关。考虑以下线性模型： c o n s u m p i t i o n t = β 0 + β 1 t e m p t + β 2 p r i c e t + β 3 i n c o m e t + ε t consumpition_t=\beta_0+\beta_1temp_t+\beta_2price_t+\beta_3income_t+\varepsilon_t consumpitiont=β0+β1tempt+β2pricet+β3incomet+εt