eviews教程 第15章 时间序列回归 - 图文

例子:下面是这些检验程序应用的例子,考虑用普通最小二乘估计的简单消费函数的结果:9浏览这些结果:系数在统计上是很显著的,并且拟合得很好。但是,如果误差项是序列相关的,那么估计OLS标准误差将是无效的,并且估计系数由于在方程右端有滞后因变量会发生偏倚和不一致。在这种情况下D-W统计量作为序列相关的检验是不合适的,因为在方程右端存在着一个滞后因变量。选择View/Residualtest/Correlogram-Q-statistice会产生如下情况10§15.2.3 序列相关LM检验选择View/ResidualTests/SerialcorrelationLMTest,一般地对高阶的,含有ARMA误差项的情况执行Breush-GodfreyLM(Lagrangemultiplier,拉格朗日乘数检验)。在滞后定义对话框,输入要检验序列的最高阶数。检验的原假设是:至给定阶数,残差不具有序列相关。EViews将给出两个统计量:F统计量和NR2(观测值个数乘以R2),NR2在原假设下服从?分布。F统计量分布未知,但常2用来对原假设进行非正规检验。11上一例子中相关图在滞后值3时出现峰值。Q统计量在各阶滞后值中都具有显著性,它显示的是残差中的显著序列相关。进行序列相关的LM检验,选择View/Residual Tests/Serial Correlation LM Test,输入滞后2产生如下结果:此检验拒绝直至2阶的无序列相关的假设。Q-统计和LM检验都表明:残差是序列相关的,并且方程在被用于假设检验和预测之前应该重新定义。12

联系客服:779662525#qq.com(#替换为@)