Professional Documents
Culture Documents
Gauss-Markov 的假設
就簡單迴歸方程式: yt 0 1 xt u t
yt 0 1 xt ut n
其中,
1 n
SSTx xt2
ˆ1 1 xt ut t 1
SSTx t 1
估計參數標準差為:
1
Var ˆ1
1
SSTx
2
Var n xu
t t
t 1
1 n 2
x t xt j E u t u t j
n 1 n t
x Var u 2
SSTx t 1
2 t t
t 1 j 1
2 2 n1 n t j
SSTx
2 xt xt j
SSTx2 t 1 j 1
E u t u t j Cov u t , u t j j 2
註:
u t u t 1 et
( u t 2 et 1 )
2 u t 2 et 1 u t j j u t j 1 et 1 ... et j 1 et j
2 ( u t 3 et 2 )
.......
E (u t , u t j ) j E (u t2 ) j 1 E (u t et 1 ) ... E (u t et j )
j E (u t2 ) j 2
2
當 0 ,則利用 OLS 估計而得的變異數 ,將低估真實的變異數;同理,當 0 ,則因為第二項中為 j 關係,因此,取
SSTx
決於 j 為基數或偶數次方,是否一定高估或低估變異數部分較難確定。
殘差項為序列相關或自我相關下的結果:
2
1. 以 OLS 估計出來的係數值 ( ) 仍具不偏性。
2. 利用變異數計算出來的係數標準差具偏誤性。
3. 利用標準差計算出來的 t 值將不具檢定能力。
4. F 統計與 LM 統計檢定亦將無效。
序列相關檢定
一階自我相關檢定步驟:
(`一) t Test:
3
(二) Durbin-Watson Test:
1. 利用 OLS 估計迴歸模型,並得出殘差項 û t 。
n
uˆ uˆ t 1
2
t
2. 計算 DW 值, DW t 2
n
。
uˆ
t 1
t
2
3. 利用 DW 統計表,判斷是否棄卻虛無假設 H 0 : 0 。
附註:
n
uˆ uˆ t t 1
1. 一階自我相關係數: ̂ t 2
n
DW 21 ̂
uˆ
t 1
t
2
ˆ 0 則 DW 2
2. 當
ˆ 1 則 DW 4
ˆ 1 則 DW 0
3. DW 統計表中列出 d L 與 d u 兩個臨界值,
當 0 DW d L ,拒絕 H 0 : 0 ,接受 H1 : 0 。
4
當 d L DW d u 時,則無法確定。
當 d u DW 4 d u ,接受 H 0 : 0 。
當 4 d u DW 4 d L 時,則無法確定。
當 4 d L DW 4 ,拒絕 H 0 : 0 ,接受 H 1 : 0 。
5
6
(三) Durbin Test (without strictly exogenous regressors)
Durbin 的 AR(1)檢定採下列方式:
1. 利用 OLS 迴歸估計,並得出殘差項 û t 。
2. 利用 û t 對原迴歸式中的解釋變數與 uˆ t 1 ,再進行迴歸估計。
3. 利用 t 統計檢定 H 0 : 0 與 H 1 : 0 。
1. 利用 OLS 迴歸模型估計,得出殘差項 û t 。
7
修正序列相關
(一) quasi-differenced 模式
在 AR(1)模式下, ,則 e2
u t u t 1 et Var u t
1 2
當迴歸式為: y t 0 1 xt u t
若落後一期則為: y t 1 0 1 xt 1 u t 1
令~
y t y t y t 1 ~
xt xt xt 1
當 t 1 , y1 0 1 x1 u1
8
由於 e2 將上式乘上
Var u1
1 2 1 2
得到
1 2 y1 1 2 0 1 2 1 x1 1 2 u1
此一迴歸式
Var
1 2 u1 1 2 Var (u1 ) e2
符合 Gauss-Markov 的假設。
GLS 估計式
當 ,~ ,~
t 1 y1 1 2 y1 x1 1 2 x1
當t 2 , ~
y tj y tj y t 1, j , ~
xtj xtj xt 1, j
1. 利用 OLS 迴歸模式估計,得出殘差項 û t 。
2. 利用 û t 對 uˆ t 1 迴歸得出 ̂ 值。
3. 利用 quasi-differenced 模式估計出新的 ̂ 值。
註:當忽略掉第 t=1 樣本值,此估計式稱為 Cochrane-Orcutt 估計式。
當考量 t=1 樣本值時,此估計式稱為 Prais-Winsten 估計式。
9
4. 當求出新的估計係數後可以得出新的 û t 值,再重複第(1)至(3)步驟,直到 ̂ 值趨近於 0。
(三) 修正高階自我相關
y t 1 y t 1 2 y t 2 0 (1 1 2 ) 1 ( xt 1 xt 1 2 xt 2 ) et
或 ~y t 0 (1 1 2 ) 1 ~
xt et , t 3,4,...., n. 。
由於 1 , 2 通常未知,可以透過 û t 對 uˆ t 1 與 uˆ t 2 迴歸而得。
ˆ
(Newey and West, 1987; Wooldridge, 1989)
ˆ
10
其中, n
g
h n ,
ˆ aˆ 2 1
2
aˆ t aˆ t h aˆ t ˆ t uˆ t
t 1
t
h 1 g 1 t h1
û t 係來自原迴歸式, y t 0 1 xt1 ...... k xtk u t ˆt 係來自新迴歸式 xt1 0 2 xt 2 ...... k xtk t
n n
當 g=1 時,ˆ aˆ t2 aˆ t aˆ t 1
t 1 t 2
n
1 n 2 n
ˆ aˆ t2 2 1 t t 1
aˆ ˆ
a 2 2 1 aˆ t aˆt 2
1
當 g=2 時, t 1 2 1 t 11 t 2 1
n
4 n
2 n
aˆ t2 aˆt aˆt 1 aˆ t aˆ t 2
t 1 3 t 2 3 t 3
11
12.6 Heteroskedasticity in Time Series Regressions
假設基本迴歸模型 y t 0 1 z t u t
同質性假設 Var (u t | z t ) 2
Engle (1982) : E (u t2 | u t 1 , u t 2 ,...) E (u t2 | u t 1 ) 0 1u t21 稱為一階 ARCH 模式
換言之,可表示為 u t2 0 1u t21 vt 並假設 E (vt ) 0 。
ARCH 模式受到關注的主要原因:
1. 此模式滿足 OLS 的基本假設,但利用加權迴歸可獲得較 OLS 為有效性的估計式。
2. 不同時期間波動的變化為研究主題。
市場效率性假設(Efficient Market Hypothesis)
令 y t 表第 t 期股票市場報酬率,則市場效率性假設為: E ( y t | y t 1 , y t 2 ,....) E ( y t ) 。
若欲檢定落後一期影響,則迴歸模型可設為: y t 0 1 y t 1 u t 並檢定 H 0 : 1 0 ,
亦即在具效率性市場下,所有資訊為具立即性,過去的資訊並無法用來對當期市場進行預測。
異質性與序列相關同時存在下的迴歸模式
12
當假設模型為:
y t 0 1 xt1 ... k xtk u t
ut ht vt
vt vt 1 et , | | 1
利用 Feasible GLS 方式,先修正異質性,再修正序列相關。
1. 利用 OLS 迴歸模式估計,得出殘差項 û t 。
2. 利用 2 對 迴歸得出預測值, 。
log(uˆ t ) x t1 ,..., x tk ĝ t
1
3. 先取指數值, hˆt exp( gˆ t ) ,再設定權數 。
ĥt
4. 利用 quasi-differenced 模式估計出新的 ̂ 值。
13