【正文】 （ 2） T?R2 統(tǒng)計(jì)量是 Engle’s LM檢驗(yàn)統(tǒng)計(jì)量 ， 它是觀測(cè)值個(gè)數(shù) T 乘以回歸檢驗(yàn)的 R2 ； tqtqtt uuu ???? ????? ?? 22 1102 ??? ? 普通回歸方程的 ARCH檢驗(yàn)都是在殘差檢驗(yàn)下拉列表中進(jìn)行的，需要注意的是，只有使用最小二乘法、二階段最小二乘法和非線性最小二乘法估計(jì)的方程才有此項(xiàng)檢驗(yàn)。 01 221 ????? pp zzz ??? ? ARCH的檢驗(yàn) 下面介紹檢驗(yàn)一個(gè)模型的殘差是否含有 ARCH效應(yīng)的兩種方法： ARCH LM檢驗(yàn)和殘差平方相關(guān)圖檢驗(yàn) 。 tu ? ?)(,0 2 110 ?? tuN ?? 由于 ()中 ut 的方差依賴于前期的平方擾動(dòng)項(xiàng)，我們稱它為 ARCH(1)過(guò)程： 通常用極大似然估計(jì)得到參數(shù) ?0, ?1, ?2, ?? , ?k, ?0, ?1的有效估計(jì) 。預(yù)測(cè)的誤差在某一時(shí)期里相對(duì)地小，而在某一時(shí)期里則相對(duì)地大，然后，在另一時(shí)期又是較小的。 cards。 NOTE: INPUT 語(yǔ)句到達(dá)一行的末尾， SAS 已轉(zhuǎn)到新的一行。 如下例： data one。 infile datalines。 例中，每個(gè)數(shù)據(jù)記錄行可以完成兩次重復(fù)過(guò)程，當(dāng)指針移動(dòng)超過(guò)了輸入記錄的尾端 ,指針才開始換行。 上述例子是一個(gè)標(biāo)準(zhǔn)組合順序 123 ，得到的結(jié)果是 Obs a b c d 1 1 2 1 2 如果是 13組合 ,得到的結(jié)果 Obs a b c d 1 1 2 3 4 2 1 2 3 4 雙尾綴 一般來(lái)說(shuō)，若使用雙尾綴 ，則數(shù)據(jù)步在進(jìn)行下一次重復(fù)過(guò)程時(shí)， INPUT語(yǔ)句讀入同一條記錄行。 例 單尾綴 的作用。 ? 一個(gè)數(shù)據(jù)記錄行被多個(gè) INPUT語(yǔ)句讀入（單尾綴 ）。 data one。 編譯 SAS語(yǔ)句 包括語(yǔ)法檢查 編譯階段 建立 輸入緩沖區(qū) 程序數(shù)據(jù)向量 PDV 描述信息 開始 data數(shù)據(jù)步語(yǔ)句 反復(fù)計(jì)數(shù) 運(yùn)行階段 設(shè)定 PDV中的變量值為缺失 數(shù)據(jù)讀入語(yǔ)句 判斷 是否還有記錄可以讀入 關(guān)閉數(shù)據(jù)集 執(zhí)行下一個(gè)數(shù)據(jù)步或者過(guò)程步 沒(méi)有 有 讀入 一個(gè)數(shù)據(jù)記錄 執(zhí)行 其它的可執(zhí)行語(yǔ)句 寫入 一個(gè)觀測(cè)到數(shù)據(jù)集中 數(shù)據(jù)步處理流程 指針控制 當(dāng) SAS從輸入數(shù)據(jù)中讀取數(shù)據(jù)，并將其讀入到輸入緩沖區(qū)時(shí)，用一個(gè)指針標(biāo)記所讀數(shù)據(jù)的位置。SAS默認(rèn)的情況下， INPUT語(yǔ)句在讀入一條記錄之后就自動(dòng)釋放該條記錄而進(jìn)入下一條 列行指針控制 列指針控制指定變量從哪一列開始讀入數(shù)據(jù)。 sara 15 kitty 23 paul 24 。 單尾綴 一般來(lái)說(shuō)，數(shù)據(jù)步中的每個(gè) INPUT語(yǔ)句都會(huì)將一條新的數(shù)據(jù)記錄行讀入輸入緩沖區(qū)中，若用單尾綴 控制，則在同一個(gè)重復(fù)過(guò)程中： ?指針位置沒(méi)有改變。 /*input語(yǔ)句 1*/ input 。 data one。 +1+2+3 REGION1 49670 ↑ 格式化方式和列方式 列方式 input region $ 17 jansales 1216。 li 12 1 wang 45 2 zhou 12 3 qian 3 4 zhang 23 5 ren 11 6 wu 1 7 qiu 98 8 。 1 2 3 4 。 31 run。/*x=1 y=1*/ SAS在讀完 X的值之后，指針回到第一列。 為了刻畫這種相關(guān)性，恩格爾提出自回歸條件異方差(ARCH)模型。 恩格爾曾表明 ， 容易通過(guò)以下的回歸去檢驗(yàn)上述虛擬假設(shè)： 其中， ARCH本身不能使標(biāo)準(zhǔn)的 OLS估計(jì)無(wú)效，但是，忽略 ARCH影響可能導(dǎo)致有效性降低。殘差平方相關(guān)圖可以用來(lái)檢查殘差自回歸條件異方差性（ ARCH） 。 但是需要檢驗(yàn)這個(gè)方程的誤差項(xiàng)是否存在條件異方差性 ， 。但是觀察該回歸方程的殘差圖，也可以注意到波動(dòng)的“成群”現(xiàn)象：波動(dòng)在一些時(shí)期內(nèi)較小，在其他一些時(shí)期內(nèi)較大，這說(shuō)明誤差項(xiàng)可能具有條件異方差性。 GARCH模型 擾動(dòng)項(xiàng) ut 的方差常常依賴于很多時(shí)刻之前的變化量（ 特別是在金融領(lǐng)域 ， 采用日數(shù)據(jù)或周數(shù)據(jù)的應(yīng)用更是如此 ） 。 3．上一期的預(yù)測(cè)方差： ?t21 （ GARCH項(xiàng)）。 ? ? .12112jtjjt u ???????? ????? 2． 設(shè) vt = ut2 ? ?t2。 22012122)()( ttpiitiqjjtjtLuLu??????????????? ?????