存在自相关性会带来什么后果,自相关性带来的问题

自相关性带来的问题

文章插图
楼主为什么一定要AR(2)呢?...
AR(1)用广义差分就可以了...
经济意义一般AR(1)...楼主改AR(1)试试...
如果还不行...看看是不是有别的问题...改模型设定看看...或者改成大样本看看...
还有...
如果模型只是为了预测目的..系数不显著也勉强可以接受
什么是自相关性？存在的原因有哪些？产生那些影响

文章插图
一般来说，解释变量对被解释变量的影响不可能在短时间内完成，在这一过程中通常存在时间滞后，也就是说，解释变量需要通过一段时间才能完全作用于被解释变量。此外，由于经济活动的惯性，一个经济指标之前的变化态势往往会延续到本期，从而形成被解释变量的档期变化同自身过去取值水平相关的情形。这种被解释变量受自身或其他经济变量过去值影响的现象称为滞后现象。聚合物在交变应力作用下应变落后于应力的现象称为滞后现象（hysteresis) 。受到外力时，链锻通过热运动达到新平衡需要时间（受到内摩擦力作用），由此引起应变落后于应力的现象。外力作用的频率与温度对滞后现象有很大的影响。高聚物作为结构材料，在实际应用时，往往受到交变力的作用，形变落后于应力变化的现象就称为滞后现象。滞后现象的发生是由于链段在运动时要受到内摩擦力的作用，当外力变化时，链段的运动还跟不上外力的变化，所以形变落后于应力，有一个相位差。
自相关性的自相关性的定义和影响

文章插图
对于模型 y t= b0 +b1x1t+b2x2t+……bkxkt+ut
如果随机误差项的各期望值之间存在着相关关系，即
cov(ut,us)=E(utus) ≠ 0 (t,s=1,2,……k)
这时，称随机误差项之间存在自相关性（autocorrelation）或序列相关
随机误差项的自相关性可以有多种形式，其中最常见的类型是随机误差项之间存在一阶自相关性或一阶自回归形式，即随机误差项只与它的前一期值相关：cov(ut,u t-1) =E（ut,u t-1) =/= 0,或者u t=f(u t-1),则称这种关系为一阶自相关。
一阶自相关性可以表示为
ut= p1 u i-1 + p2 u i-2 + p3 u i-3 + …… p p u t-p + v t
称之为p 阶自回归形式，或模型存在 p 阶自相关
由于无法观察到误差项 u t,只能通过残差项 e t来判断 u t 的行为。如果 u t或 e t呈出下图(a) -(d) 形式，则表示u t 存在自相关，如果 ut 或et 呈现图中 (e) 形式，则表示 u t不存在自相关
线性回归模型中的随机误差项的序列相关问题较为普遍，特别是在应用时间序列资料时，随机误差项的序列相关经常发生。
自相关性产生的原因：
线性回归模型中随机误差项存在序列相关的原因很多，但主要是经济变量自身特点、数据特点、变量选择及模型函数形式选择引起的。
1.经济变量惯性的作用引起随机误差项自相关
2.经济行为的滞后性引起随机误差项自相关
3.一些随机因素的干扰或影响引起随机误差项自相关
4.模型设定误差引起随机误差项自相关
5.观测数据处理引起随机误差项序列相关
自相关的后果：
线性相关模型的随机误差项存在自相关的情况下，用OLS（普通最小二乘法）进行参数估计，会造成以下几个方面的影响。