模型诊断——自相关

概念

自相关性是指随机误差项的各期望值之间存在着相关关系,称随机误差项之间存在自相关性(autocorrelation)或序列相关

假设4被破坏
Cov(u_i,u_j)=E(u_iu_j)\not=0

一阶线性自相关 u_t=\rho u_{t-1} +v_t

产生原因

1、经济变量固有的惯性

2、模型设定的偏误: 应含而未含变量的情形(少算一个变量)

3、模型设定的偏误: 不正确的函数形式

4、蛛网现象(Cobweb phenomenon)

5、滞后效应

6、数据的“编造”

影响

线性无偏 非有效

大样本情况下 一致 但失去渐进有效性

显著检验失去意义

预测失效

检验

杜宾 - 沃森 检验法(DW检验) 只能对一阶线性自相关做检验

基本思想:

对于一阶自相关形式: u_t=\rho u_{t-1}+v_t 显然,当 \rho=0 时,u_t 不具有一阶自相关,当\rho \not= 0 时,u_t 存在一阶自相关

DW检验构造了一个统计量 d\approx2(1-\hat{\rho})

可以看出 \hat{\rho}=0d \approx 2 不相关

\hat{\rho}=1d \approx 0 正相关

\hat{\rho}=-1d \approx 4 负相关

由于统计量d不是由随机项u来构成,而是由其估计量\varepsilon构成的,因为u不可观测,所以d的实际分布无法求出。

但杜宾和沃森证明了d的真实值分布介于两个极限分布之间,

一个是下极限分布其下临界值用d_L表示,上临界值用4-d_U表示

一个是上极限分布其下临界值用d_U表示,上临界值用4-d_L表示

做假设检验 H_0 : \rho = 0

d<d_L 或者 d>4-d_L 时拒绝原假设,表示存在自相关

d_U<d<4-d_U 时接受原假设,表示不存在自相关

其他部分为不确定部分

[图片上传失败...(image-9e5ed0-1611652912871)]

解决办法

广义最小二乘法:

设模型 y_t = \beta_0 +\beta_1x_t+u_t .......(1)

存在一阶线性自相关 u_t=\rho u_{t-1} +v_t

从而有 y_{t-1} = \beta_0 +\beta_1x_{t-1}+u_{t-1} .......(2)

(1) - (2) => y_t-\rho y_{t-1} = (\beta_0 -\rho \beta_0)+\beta_1(x_t-\rho x_{t-1})+(u_t-\rho u_{t-1}) .......(3)

\begin{cases} y^*_t = y_t-\rho y_{t-1} \\ x^*_t =x_t-\rho x_{t-1} \\ \alpha = (1-\rho \beta_0) \end{cases} 则模型(3)可变为: y^*_t = \alpha +\beta_1 x^*_t+v_t

对其使用OLS即可求出各估计量

预测时,使用模型
\hat{y}_{t+1}-\rho y_t = \hat{\alpha}+\hat{\beta}_1(x_{t+1}-\rho x_t )
进行预测

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 210,978评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 89,954评论 2 384
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,623评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,324评论 1 282
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,390评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,741评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,892评论 3 405
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,655评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,104评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,451评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,569评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,254评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,834评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,725评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,950评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,260评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,446评论 2 348

推荐阅读更多精彩内容

  • 原文首发于公众号Python金融量化,阅读体验会好些:https://mp.weixin.qq.com/s/j6E...
    CuteHand阅读 10,375评论 0 2
  • 1 概念 ARIMA模型,全称为自回归积分滑动平均模型(Autoregressive Integrated ...
    风逝流沙阅读 41,831评论 1 48
  • 众所周知,时间序列的预测是需要假定在时间序列平稳随机过程的基础上,若为非平稳时间序列,容易造成对随机过程的伪回归,...
    enhengz阅读 3,107评论 0 1
  • 状态空间模型为时间序列分析提供了一种灵活的方法,尤其是在简化最大似然估计和处理缺失值方面。 结构时间序列模型(st...
    ProblemSolver阅读 2,958评论 0 0
  • 久违的晴天,家长会。 家长大会开好到教室时,离放学已经没多少时间了。班主任说已经安排了三个家长分享经验。 放学铃声...
    飘雪儿5阅读 7,513评论 16 22