虚假序列相关 发表评论(0) 编辑词条

虚假序列相关是指模型的序列相关是由于省略了显著的解释变量而引起的。例如，在生产函数模型中，如果省略了资本这个重要的解释变量，资本对产出的影响就被归入随机误差项。由于资本在时间上的连续性，以及对产出影响的连续性，必然导致随机误差项的序列相关。所以在这种情况下，要把显著的变量引入到解释变量中。

EViews提供了检测序列相关和估计方法的工具。但首先必须排除虚假序列相关。因为这种相关性不是由于序列相关引起，而是忽略了重要解释变量。

如果线性回归方程的扰动项ut 满足古典回归假设，使用OLS所得到的估计量是线性无偏最优的。
但是如果扰动项ut不满足古典回归假设，回归方程的估计结果会发生怎样的变化呢？理论与实践均证明，扰动项ut关于任何一条古典回归假设的违背，都将导致回归方程的估计结果不再具有上述的良好性质。因此，必须建立相关的理论，解决扰动项不满足古典回归假设所带来的模型估计问题。
如果回归方程的扰动项存在序列相关，那么应用最小二乘法得到的参数估计量的方差将被高估或者低估。因此，检验参数显著性水平的t统计量将不再可信。可以将序列相关可能引起的后果归纳为：
① 在线性估计中OLS估计量不再是有效的；
② 使用OLS公式计算出的标准差不正确，相应的显著性水平的检验不再可信 ；
③ 回归得到的参数估计量的显著性水平的检验不再可信。