計量經濟學序列相關圖示法檢驗驗實驗

❶ 計量經濟學中，一階序列相關的系數如果為正是不是意味著回歸模型的殘差會越來越大

t-Statistic和Prob.是用來說明回歸系數的統計量，分別稱為t統計量和P值，用來說明回歸系數的顯著內性。前容者>2為顯著，否則不顯著；後者2、Prob(F-statistic)<0.05為顯著，否則模型整體不顯著，模型無意義。你的這個檢驗表明模型整體是顯著的。其他的統計量普通的線性回歸不用做解釋，如果想要具體理解的話，建議去看一本關於EVIEWS的教材，有很多。當然，如果是想做深入研究，需要的遠非統計軟體的機械的操作方法，計量經濟學的原理是很重要的，只有多讀一些相關教材、資料，懂得原理後進行軟體操作是很簡單的事。

❷ 計量經濟學自相關檢驗。如下是題，求其自相關檢驗，因為有滯後項，所以只能用徳賓檢驗，求過程~萬分感激

樓主的模來型還算是不錯的，源你是幸運的，DW為1.88接近2了，用Eviews的話，直接最小二乘，在quick-estimate equation裡面進行回歸吧，上面輸入lnMt c lnRt lnYt lnMt(-1)，下面的下拉框選LS那個，確定就行了吧，然後會有個表，最後一個是DW，不過你這個的殘差項還好沒很低。。。。要不就成偽回歸了，現在這個算是協整吧。。。

❸ 計量經濟學中無法確定是否存在自相關怎麼辦

怎麼會無法確定呢？來檢驗自相關的方法自有很多的，隨便找本書翻翻好了，比如，DW、GB什麼的。

關鍵問題是，你直覺上要首先確定是否存在自相關。比如說，你選取了股票價格變數，那直覺上就會有自相關的問題。像你說的，不能確定，那麼一般來說問題都不大，直接做好了。如果不放心，那麼取個LN或者用增量。

我覺得計量的問題往往是分析問題為關鍵，不要太拘泥於式子有沒有BLUE，是不是會有多重共線性。因為往往理想的計量式子是找不到的，或者不能依靠簡單的OLS或者各種近似取得。

本身我是學金融的，如果您是搞自然科學的，以上觀點可能大有偏頗，勿怪

❹ 計量經濟學中用懷特（White）檢驗修正了異方差性，進行自相關檢驗時發現該模型還有序列自相關，該如何修正

看你的目的是什麼啦，如果僅僅估計參數，無論是異方差還是自相關，你的回參數都是無偏的答；但方差較大，預測准確度較低。
你要克服異方差同時還有自相關，建議擬採用FGLS（可行廣義二乘），可同時達到目的。廣義差分盡管也可以，但損失自由度，而且要你自己推斷出相關系數。
但我覺得奇怪的是，你為什麼同時既有異方差又有序列相關；所以我覺得你很可能是有遺漏變數，遺漏變數進入殘差項中，且與自變數相關，最終會導致你估計非無偏且非一致。
所以，最好先用直接做回歸，後得到的殘差，與自變數測下相關性；如相關性強，則說明存在遺漏變數。然後你採用工具變數法進行回歸就可以了。

❺ 計量經濟學里的LM檢驗是什麼意思從Eviews的回歸結果來看它有什麼意義

LM檢驗即拉格朗日乘數檢驗，用來檢驗模型殘差序列是否存在序列相關。原假設是不存在序列相關；備選假設是：存在p階自相關。檢驗統計量漸進服從卡方分布，如果計算得出的P值太大則拒絕原假設，認為存在序列相關。

ARCH是誤差項二階矩的自回歸過程。恩格爾（Engle 1982）針對ARCH過程提出LM檢驗法。

自回歸條件異方差 (ARCH) 檢驗。這種檢驗方法不是把原回歸模型的隨機誤差項st 2 看作是xt 的函數，而是把st 2 看作隨機誤差平方項ut-12 及其滯後項, ut-22 , …， 的函數。

做原假設：殘差序列中知道P階度不存在ARCH效應

做回歸u2(t)=a(0)+∑α(s)u2(t-s)+ξ(t)

u(t)表示在t時刻的殘差，對以上該式做P階之後的殘差回歸得到兩個統計量：

F統計量對所有殘差平方的之後的聯合顯著性所做的一個省略變數檢驗；

（T*R2統計量是engle's LM檢驗統計量

在原假設下的LM統計量在一般情況下漸進服從χ2（p)分布。

計量經濟學是以一定的經濟理論和統計資料為基礎，運用數學、統計學方法與電腦技術，以建立經濟計量模型為主要手段，定量分析研究具有隨機性特性的經濟變數關系的一門經濟學學科。主要內容包括理論計量經濟學和應用經濟計量學。

理論經濟計量學主要研究如何運用、改造和發展數理統計的方法，使之成為經濟關系測定的特殊方法。應用計量經濟學是在一定的經濟理論的指導下，以反映事實的統計數據為依據，用經濟計量方法研究經濟數學模型的實用化或探索實證經濟規律。

(5)計量經濟學序列相關圖示法檢驗驗實驗擴展閱讀：

學習方法

與一般的數學方法相比，計量經濟學方法有十分重要的特點和意義：

研究對象發生了較大變化。即從研究確定性問題轉向非確定性問題，其對象的性質和意義將發生巨大的變化。因此，在方法的思路上、方法的性質上和方法的結果上，都將出現全新的變化。

研究方法發生根本變化。計量經濟學方法的基礎是概率論和數理統計，是一種新的數學形式。學習中要十分注意其基本概念和方法思路的理解和把握，要充分認識其方法與其它數學方法的根本不同之處。

研究的結果發生了變化。我們應該知道，計量經濟學模型的結論是概率意義上的，也可以說是不太確定的。但真正要理解其不確定性的含義，並不那麼簡單，學習中需要始終關注這一點。

理論計量經濟學和應用‎計量經濟學 理論計量經濟學（Theoretical Econometrics）以介紹、研究計量經濟學的理論與方法為主要內容，側重於理論與方法的數學證明與推導，與數理統計聯系極為密切。理論計量經濟學除了介紹計量經濟學模型的數學理論基礎和普遍應用的計量經濟學模型的參數估計方法與檢驗方法外，還研究特殊模型的估計方法與檢驗模型。

應用‎計量經濟學（Applied Econometrics）則以建立與應用計量經濟學模型為主要內容，強調應用模型的經濟學和經濟統計學基礎，側重於建立與應用模型過程中實際問題的處理。

❻ 請問計量經濟學時間序列數據，在檢驗序列相關性做LM檢驗時，有最高階數限制嗎如12階序列相關可以嗎

階數是12當讓算是高階序列相關了。據我所知，在時間序列分析中，沒有最高階數的限制。列方程時自然要把所有的自相關系數寫出來了。

❼ 計量經濟學中DW統計量是什麼意思在N多模型檢驗中，DW統計量的結果反映什麼問題，求簡單明了的解釋

Durbin Watson 統計量用來檢驗殘差一階自相關 只能檢驗一階不能檢驗高階自相關

DW = sum (eps_t - eps_{t-1})^2 / sum (eps_t)^2 約= 2(1 - r)

r表示相鄰殘差之間的相關系數

如果r = 0 也就是說近似於2的DW值表示殘差不存在相關性

如果r > 0 也就是說接近0的DW值表示正相關

如果r < 0 也就是說接近4的DW值表示負相關

一般DW統計量的表提供d_l和d_u

DW < d_l 正相關

d_l <DW < d_u 該檢驗不確定

d_u < DW < 4 - d_u 不存在自相關

4 - d_u < DW < 4 - d_l 該檢驗不確定

DW > 4 - d_l 負相關

(7)計量經濟學序列相關圖示法檢驗驗實驗擴展閱讀：

自相關性產生的原因：

線性回歸模型中隨機誤差項存在序列相關的原因很多，但主要是經濟變數自身特點、數據特點、變數選擇及模型函數形式選擇引起的。

1.經濟變數慣性的作用引起隨機誤差項自相關

2.經濟行為的滯後性引起隨機誤差項自相關

3.一些隨機因素的干擾或影響引起隨機誤差項自相關

4.模型設定誤差引起隨機誤差項自相關

5.觀測數據處理引起隨機誤差項序列相關

自相關的後果：

線性相關模型的隨機誤差項存在自相關的情況下，用OLS（普通最小二乘法）進行參數估計，會造成以下幾個方面的影響。

從高斯-馬爾可夫定理的證明過程中可以看出，只有在同方差和非自相關性的條件下，OLS估計才具有最小方差性。當模型存在自相關性時，OLS估計仍然是無偏估計，但不再具有有效性。

這與存在異方差性時的情況一樣，說明存在其他的參數估計方法，其估計誤差小於OLS估計的誤差；也就是說，對於存在自相關性的模型，應該改用其他方法估計模型中的參數。

1.自相關不影響OLS估計量的線性和無偏性，但使之失去有效性

2.自相關的系數估計量將有相當大的方差

3.自相關系數的T檢驗不顯著

4.模型的預測功能失效