广义差分法和自相关系数估计
2. 广义差分法 广义差分法是将原模型变换为满足OLS法的差分模型,再进行OLS估计。 称(3)式为广义差分变换。(2)式可表示为: (4) 其中: (4)式是经广义差分变换得到的模型,称为广义差分模型。 变换后扰动项满足基本假定,故对(4)式作OLS回归,得估 计值 、 ,进而得到: 此法称广义差分估计法。 在(3)式中,若 ,则(3)式变为: (5) 此时(5)式称为差分变换。只要 ,则 , 就可以用一阶差分法对模型进行变换。 3.自相关系数 的估计 应用广义最小二乘法或广义差分法,必须已知随机误差项的相关系数?1, ?2, … , ?p 。 实际上u的不可观测性使得?值未知,所以必须首先对它们进行估计,然后再用广义差分法。 常用的估计方法有: 利用DW统计量 科克伦-奥科特(Cochrane-Orcutt)迭代法 杜宾(durbin)两步法 (1)利用DW统计量求 ,再用广义差分法估计模型。 大样本下,有: , 得近似估计: 小样本下,有: 其中:k为解释变量个数。当n ∞时, 若 是 的估计, 为 、 的相关系数,则 、 的相关系数可作为 的近似估计: (2)科克伦-奥科特迭代法 ④利用 建立一阶差分函数 ⑤广义差分变换后对广义差分模型作OLS估计,并检验残差序列 ( 的第一次估计值)的自相关性。 如果无自相关,则计算结束,求出 。 如果有自相关,则继续计算求出 的第二次(或下一次)估计值,即求出: ⑥将 代入原模型中,得新的一阶差分函数 这样经反复计算估计⑤、⑥式,类似地,可进行第三次、第四次