处理序列相关性的神经网络 序列相关性的补救措施

本文主要介绍随机干扰项存在序列相关问题时对回归分析的影响，涉及了部分时间序列的内容，重点为序列相关性的检验和修正方法。

目录

• Chapter 6：序列相关性

• 一、序列相关性的含义
• 二、序列相关性的产生原因
• 三、序列相关性的后果
• 四、序列相关性的检验方法

• Part 1：图示法
• Part 2：回归检验法
• Part 3：DW 检验法
• Part 3：拉格朗日乘数检验（LM 检验，BG 检验）
• Part 4：Ljung-Box 检验（Q 检验）

• 五、序列相关性的修正措施

• Part 1：广义最小二乘法 GLS
• Part 2：广义差分法 GD
• Part 3：可行的广义最小二乘法 FGLS
• Part 4：杜宾两步法
• Part 5：科克伦-奥科特迭代法

Chapter 6：序列相关性

一、序列相关性的含义

对于截面数据类型，如果样本是独立随机抽取的（多元回归模型基本假设 MLR.2），则从理论上保证了模型的随机干扰项相互独立，不存在序列相关。如果模型的随机干扰项违背了相互独立的基本假设，则称为存在序列相关问题。

由于时间序列数据不可重复观测，因此以时间序列数据为样本，一般会破坏随机抽样的假定。根据实证分析的一般经验，时间序列数据也会同时伴随着异方差问题，即违背了基本假定 MLR.5 。

二、序列相关性的产生原因

(1) 经济变量固有的惯性；

(2) 数据“编造”造成的相关；

(3) 模型设定偏误；

(4) 蛛网现象（农产品的供给）；

(5) 变量之间的影响本身具有滞后效应。

止。