存在自相关性会带来什么后果,自相关性带来的问题( 二 )

从高斯-马尔可夫定理的证明过程中可以看出，只有在同方差和非自相关性的条件下， OLS估计才具有最小方差性。当模型存在自相关性时， OLS估计仍然是无偏估计，但不再具有有效性。这与存在异方差性时的情况一样，说明存在其他的参数估计方法，其估计误差小于OLS估计的误差；也就是说，对于存在自相关性的模型，应该改用其他方法估计模型中的参数。
1.自相关不影响OLS估计量的线性和无偏性，但使之失去有效性
2.自相关的系数估计量将有相当大的方差
3.自相关系数的T检验不显著
4.模型的预测功能失效
spss做相关性~自变量与因变量低度相关怎么办？？急急急~~~有什么处理办法吗？求步骤

文章插图
【存在自相关性会带来什么后果,自相关性带来的问题】（一）删除不重要的自变量
自变量之间存在共线性,说明自变量所提供的信息是重叠的,可以删除不重要的自变量减少重复信息.但从模型中删去自变量时应该注意：从实际经济分析确定为相对不重要并从偏相关系数检验证实为共线性原因的那些变量中删除.如果删除不当,会产生模型设定误差,造成参数估计严重有偏的后果.
（二）追加样本信息
多重共线性问题的实质是样本信息的不充分而导致模型参数的不能精确估计,因此追加样本信息是解决该问题的一条有效途径.但是,由于资料收集及调查的困难,要追加样本信息在实践中有时并不容易.
（三）利用非样本先验信息
非样本先验信息主要来自经济理论分析和经验认识.充分利用这些先验的信息,往往有助于解决多重共线性问题.
（四）改变解释变量的形式
改变解释变量的形式是解决多重共线性的一种简易方法,例如对于横截面数据采用相对数变量,对于时间序列数据采用增量型变量.