模型的自相关系数计算_Eviews中的自相关检验与修正操作（三）：科克伦奥科特迭代法...

自相关是指在时间序列资料中按时间顺序排列的观测值之间存在相关性或在横截面资料中按空间顺序排列的观测值之间存在相关性，它是不满足经典OLS回归的假定之一。自相关问题往往出现在时间序列数据中，所以也经常称为“序列自相关”。自相关问题往往采用残差图、DW检验、LM检验(也称BG检验)等检验方法，并采用广义差分法进行修正，又由于实际中估计自回归系数p的不同，分为杜宾两步法、科克伦-奥科特迭代法。    

1

数据与OLS回归

接着上回，仍然以1990-2012年货币供给量与国内生产总值数据为例，数据如下：

建立线性回归模型

在eviews命令栏输入LS lnM2 C lnGDP，得到:

2

科克伦-奥科特迭代法的原理

这种方法利用原模型中估计出来的残差，直接利用一阶自相关方程来估计自相关系数：，逐步迭代，每一次迭代都能获得比前一次更好的估计值，直到消除原模型中的自相关，基本步骤：根据样本观测值数据，用最小二乘法估计原模型，得到残差:

再用普通最小二乘法估计残差的一阶自相关方程，，得到第一次迭代的自相关系数,利用自相关系数对原模型进行广义差分变换，作第一次迭代

估计转换后的模型，

，检验转换后的模型，如果不存在自相关，则停止迭代；如果仍然存在自相关，继续上述迭代步骤，反复迭代，直到相继的自相关系数相差很小或者迭代次数达到上限为止：

3

针对本次模型的自相关修正

首先对初试对数模型进行OLS估计，在eviews输入：ls lnm2 c lngdp ,得到模型的残差序列et，在eviews中每次回归的残差放在resid序列中，为了对残差进行回归分析，需生成命名为的残差序列。对进行滞后一期的自回归，即输入ls e e(-1)，得到结果：

genr clnm2=lnm2-0.753794* lnm2(-1)

genr clngdp=lngdp-0.753794* lngdp(-1)

ls clnm2 c clngdp

结果为：

由于使用了广义差分数据，样本容量减少了1个，为22个，在5%的显著性水平下，查DW统计表可得dL=1.17，dU=1.37。由于D.W.= 1.389086，dU

欢迎扫码关注，若有问题，请点击“在看”留言或在公众号里留言。