-
序列相關性
鎖定
- 中文名
- 序列相關性
- 外文名
- Serially correlated
- 又 稱
- 自相關
- 簡 介
- 指對於不同的樣本值
- 產生原因
- 經濟系統慣性
序列相關性產生原因
經濟系統慣性
序列相關性分析圖冊(2張)
滯後效應是指某一變量對另一變量的影響不僅限於當期,而是延續若干期。由此帶來變量的自相關。例如,居民當期可支配收入的增加,不會使居民的消費水平在當期就達到應有水平,而是要經過若干期才能達到。因為人的消費觀念的改變存在一定的適應期。
數據處理
因為某些原因對數據進行了修正和內插處理,在這樣的數據序列中可能產生自相關。例如,將月度數據調整為季度數據,由於採用了加合處理,修勻了月度數據的波動,使季度數據具有平滑性,這種平滑性可能產生自相關。對缺失的歷史資料,採用特定統計方法進行內插處理,也可能使得數據前後期相關,而產生自相關。
蛛網現象
蛛網現象是微觀經濟學中的一個概念。它表示某種商品的供給量受前一期價格影響而表現出來的某種規律性,即呈蛛網狀收斂或發散於供需的均衡點。許多農產品的供給呈現為蛛網現象,供給對價格的反應要滯後一段時間,因為供給的調整需要經過一定的時間才能實現。如果時期t的價格Pt低於上一期的價格Pt-1,農民就會減少時期t+1的生產量。
模型設定偏誤
例如,一個家庭或一個地區的消費行為可能會影響另外一些家庭或另外一些地區,就是説不同觀測點的隨機誤差項可能是相關的。多數經濟時間序列在較長時間內都表現為上升或下降的趨勢,因此大多表現為正自相關。但就自相關本身而言,可以為正相關也可以為負相關。
序列相關性自相關
表現形式
自相關的性質可以用自相關係數的符號判斷,即<0為負相關,接近1時,表示相關的程度很高。自相關是u1,u2,…,u n序列自身的相關,因n個隨機誤差項的關聯形式不同而可能具有不同的自相關形式。自相關大多 出現在時間序列數據中,下面以時間序列為例説明自相關的不同表現形式。對於樣本觀測期為n的時間序列數據,可得到總體迴歸模型(PRF)的隨機誤差項為u1,u2,…,u n,如果自相關形式為
ut=p*ut-1+vt (-1<p<1)
其中,p為自相關係數,vt為滿足古典假定的誤差項,即E(vt) = 0,Var (vt)=σ^2,Cov(vt,vt+s)=0,s≠0。因為模型中ut-1是ut 滯後一期的值,則上式稱為一階自迴歸形式,記為AR(1)。式中的p也稱為一階自相關係數。
ut=p1*ut-1+p2*ut-2+vt
其中,p1為一階自相關係數,p2為二階自相關係數,vt是滿足古典假定的誤差項。該式稱為二階自迴歸形式,記為AR(2)。
後果