实验五序列相关模型.doc

实验五：序列相关模型 一、实验目的 掌握序列相关模型的检验方法、处理方法分析。 二、实验内容 （一）选择模型和参数估计 （二）自相关检验 1、DW检验； 2、偏相关系数检验； 3、BG检验。 （三）用迭代法处理序列相关问题 三、实验步骤 利用表5-1资料，试建立我国城乡居民储蓄存款的双对数模型，并检验模型的自相关性。 表5-1 我国城乡居民储蓄存款与GDP 统计资料（1978 年＝100） 年份存款余额YGDP指数X年份存款余额YGDP指数X1978210.60100.019895146.90271.31979281.00107.619907034.20281.71980399.50116.019919107.00307.61981523.70122.1199211545.40351.41982675.40133.1199314762.39398.81983892.50147.6199421518.80449.319841214.70170.0199529662.25496.519851622.60192.9199638520.84544.119862237.60210.0199746279.80592.019873073.30234.0199853407.47638.219883801.50260.7 （一）选择模型和参数估计 1、图形分析 输入命令：SCAT X Y，参看相关图发现GDP指数与居民储蓄存款二者的曲线相关关系较为明显。这里选择双对数模型进行参数估计。 2、利用LS命令建立双对数方程： GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX 输入相应的数据后，得到回归方程： lny?=?8.0753 + 2.9588lnx t = (-31.604) (64.189) R2＝0.9954；F＝4120.223；S.E＝0.1221 （二）自相关检验 1、DW检验 因为n＝21，k＝1，取显著性水平α＝0.05 时，查表得d L＝1.22，d U ＝1.42， 而00.7062＝DWdL，所以存在（正）自相关。 2、偏相关系数检验 在方程窗口中点击View/Residual Test/Correlogram-Q-statistics，并输入滞后期为10，则会得到残差et 和滞后各期残差的相关系数和偏相关系数，如图5-1。 图5-2 偏相关系数图 3、BG检验 在方程窗口中点击View/Residual Test/Series Correlation LM Test，并选择滞后期2，则会得到如图5-3 所示的信息。 图5-3 双对数模型的BG 检验 图中，nR2 =11.31531，临界概率P=0.0034，因此辅助回归模型是显著的，即存在自相关性。又因为et-1，e t-2的回归系数均显著地不为0，说明双对数模型存在一阶和二阶自相关。 （三）自相关性的修正 在LS 命令中加上AR(1)和AR(2)，使用迭代估计法估计模型。键入命令： LS LNY C LNX AR(1) AR(2) 则估计结果如图5-4所示。 图5-4 加入AR项的双对数模型估计结果 图5-4表明，估计过程经过4次迭代后收敛；ρ1，ρ2的估计值分别为0.9459和-0.5914，并且t检验显著，说明双对数模型确实存在一阶和二阶自相关性。调整后模型的DW＝1.6445，n＝19，k＝1，取显著性水平α＝0.05 时，查表得dL＝1.18， dU ＝1.40，而dU 1.6445＝DW4－dU ，说明模型不存在一阶自相关性。 四、思考与练习 1、以下是美国股票价格和GNP数据： 表5-2 美国股票价格和GNP之间关系 年份Y(股价指数)X（GNP）年份Y(股价指数)X（GNP）197045.721015.5197958.322508.2197154.221102.7198068.12732197260.291212.8198174.023052.6197357.421359.3198268.933166197443.841472.8198392.633405.7197545.731595.4198492.463772.2197654.461782.81985108.094019.2