开课实验室:财经科学实验室 2012年4月21日
班级: 学号: 姓名:
指导教师签字:
验证性 □综合性 □设计性
实验项目名称 序列相关性的检验与修正 成绩:
_
【实验目的】
掌握序列相关性的检验与修正方法并能运用Eviews软件进行实现
【实验要求】
掌握检验方法,根据OLS法的输出结果判断是否存在序列相关,运用广义差分法进行模型修正,熟悉基本操作步骤,读懂各项上机榆出结果的含义并能进行分析
【实验软件】 Eviews 软件
【实验内容】 根据给定的案例数据按实验要求进行操作
【实验方案与进度】
实验:下表是某上市公司的子公司的年销售额Y与其总公司年销售额X的观测数据:
序号 | X | Y |
1 | 127.3 | 20.96 |
2 | 130 | 21.4 |
3 | 132.7 | 21.96 |
4 | 129.4 | 21.52 |
5 | 135 | 22.39 |
6 | 137.1 | 22.76 |
7 | 141.2 | 23.48 |
8 | 142.8 | 23.66 |
9 | 145.5 | 24.1 |
10 | 145.3 | 24.01 |
11 | 148.3 | 24.54 |
12 | 146.4 | 24.3 |
13 | 150.2 | 25 |
14 | 153.1 | 25. |
15 | 157.3 | 26.36 |
16 | 160.7 | 26.98 |
17 | 1.2 | 27.52 |
18 | 165.6 | 27.78 |
19 | 168.7 | 28.24 |
20 | 171.7 | 28.78 |
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 04/21/12 Time: 10:26 | ||||
Sample: 1 20 | ||||
Included observations: 20 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -1.454750 | 0.214146 | -6.793261 | 0.0000 |
X | 0.176283 | 0.001445 | 122.0170 | 0.0000 |
R-squared | 0.998792 | Mean dependent var | 24.56900 | |
Adjusted R-squared | 0.998725 | S.D. dependent var | 2.410396 | |
S.E. of regression | 0.086056 | Akaike info criterion | -1.972991 | |
Sum squared resid | 0.133302 | Schwarz criterion | -1.873418 | |
Log likelihood | 21.72991 | F-statistic | 14888.14 | |
Durbin-Watson stat | 0.734726 | Prob(F-statistic) | 0.000000 |
(2)用图形法进行自相关检验
属于一阶正自相关
(3)用DW值检验模型是否存在一阶自相关
所以模型存在一阶正自相关
(4)证明广义差分法可以消除模型随机扰动项自相关。(写出证明过程)
因为模型随机误差项存在一阶序列相关且相关系数已知,即有:
对于 ①
滞后一期,并且两边同乘以自相关系数得:
②
①—②可得广义差分模型
记: (t=2,3,……,n)
(t=2,3,……,n)
(t=2,3,……,n)
则②可写成: =++ ③
因,则Var()=,Cov(,)=0().
即满足同方差和无序列相关的经典假设,所以对③式采用普通最小二乘法进行估计。显然,经过广义差分后,样本的观测点比原来少了一个,只有n-1个,为了不损失样本观测信息,可将第一个样本观测点即t=1时的样本观测值变换为:
(i=2,3,……,k)
将这组样本数据与上述广义差分数据合并,仍为一个容量为n的样本。根据此样本利用普通最小二乘法,就可以估计出对(i=2,3,……,k)的回归模型。
(5)使用迭代法估计模型参数,并证明在5%显著性水平下迭代后的模型随机扰动项不存在一阶自相关。
Dependent Variable: Y | ||||
Method: Least Squares | ||||
Date: 04/21/12 Time: 10:37 | ||||
Sample(adjusted): 2 20 | ||||
Included observations: 19 after adjusting endpoints | ||||
Convergence achieved after 16 iterations | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 1.738867 | 2.873084 | 0.605227 | 0.5535 |
X | 0.160524 | 0.007931 | 20.24042 | 0.0000 |
AR(1) | 0.958819 | 0.080059 | 11.976 | 0.0000 |
R-squared | 0.999259 | Mean dependent var | 24.755 | |
Adjusted R-squared | 0.999166 | S.D. dependent var | 2.317563 | |
S.E. of regression | 0.066928 | Akaike info criterion | -2.4250 | |
Sum squared resid | 0.071670 | Schwarz criterion | -2.277328 | |
Log likelihood | 26.05128 | F-statistic | 10783.60 | |
Durbin-Watson stat | 1.724420 | Prob(F-statistic) | 0.000000 | |
Inverted AR Roots | .96 |