一阶广义差分模型_广义差分法和自相关系数估计.ppt

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