【正文】 *創(chuàng)建的宏變量為 number， 其值為 n*/ run。number Observations。 %let x=100。 48 run。 54 %dept(fn)。 因此 ， 必須建立相關(guān)的理論 ， 解決擾動(dòng)項(xiàng)不滿足古典回歸假設(shè)所帶來(lái)的模型估計(jì)問(wèn)題 。 對(duì)于擾動(dòng)項(xiàng) ut建立一階自回歸方程： () D_W統(tǒng)計(jì)量檢驗(yàn)的 原假設(shè)： ? = 0， 備選假設(shè)是 ? ? 0。 （ ） 這是偏相關(guān)系數(shù)的一致估計(jì) 。美國(guó)的 GNP和國(guó)內(nèi)私人總投資 INV是單位為 10億美元的名義值，價(jià)格指數(shù) P為 GNP的平減指數(shù) （ 1972=100）， 利息率 R為半年期商業(yè)票據(jù)利息。 在 EView軟件中的操作方法： 選擇 View/Residual Tests/Serial correlation LM Test，一般地對(duì)高階的 ， 含有 ARMA誤差項(xiàng)的情況執(zhí)行BreushGodfrey LM。 1． 修正一階序列相關(guān) 最簡(jiǎn)單且最常用的序列相關(guān)模型是一階自回歸 AR(1)模型 。 tttt uG D PcCSccCS ???? ? 2110ttttt uuuu ???? ???? ??? 332211回歸估計(jì)的結(jié)果如下： 模型建立如下： t = () () （ ） t = () () （ ） R2= = tttt uG D ..CS ?2506508665 1 ????? ?ttttt uuuu ????? ??? 321 再對(duì)新的殘差序列 進(jìn)行 LM檢驗(yàn) ， 最終得到的檢驗(yàn)結(jié)果如下： tε? 給出糾正后的殘差序列的 Q統(tǒng)計(jì)量和序列相關(guān)圖，在直觀上認(rèn)識(shí)到消除序列相關(guān)后的殘差序列是一個(gè)隨機(jī)擾動(dòng)序列。 平穩(wěn)時(shí)間序列建模 本節(jié)將不再僅僅以一個(gè)回歸方程的擾動(dòng)項(xiàng)序列為研究對(duì)象 ， 而是直接討論一個(gè)平穩(wěn)時(shí)間序列的建模問(wèn)題 。 tptpttt uuucu ???? ?????? ??? ?2211 2. 移動(dòng)平均模型 MA(q) q 階移動(dòng)平均模型記作 MA(q) ， 滿足下面的方程： () 其中：參數(shù) ? 為常數(shù)；參數(shù) ?1 , ?2 ,… , ?q 是 q 階移動(dòng)平均模型的系數(shù)； ?t 是均值為 0， 方差為 ? 2的白噪聲序列 。 EViews在回歸輸出的底部給出這些根： Inverted AR Roots。 這里將采用 AR(1)模型來(lái)修正投資方程的自相關(guān)性： t = 1, 2, ?, T 回歸估計(jì)的結(jié)果如下： t = () （ ） t = () R2= . = tttt ugnpri n v ??? ? )l n ()l n ( 211 ??ttt uu ?? ?? ? 11)l n ()?l n ( 1 ttt gnprvni ?? ? ?? tt uu 再對(duì)新的殘差序列進(jìn)行 LM檢驗(yàn) (p=2)，最終得到的檢驗(yàn)結(jié)果如下： 檢驗(yàn)結(jié)果不能拒絕原假設(shè)，即修正后的回歸方程的殘差序列不存在序列相關(guān)性。 因此 ， 必須對(duì)擾動(dòng)項(xiàng)序列的結(jié)構(gòu)給予正確的描述 ， 以期消除序列相關(guān)對(duì)模型估計(jì)結(jié)果帶來(lái)的不利影響 。 F統(tǒng)計(jì)量是對(duì)式（ ）所有滯后殘差聯(lián)合顯著性的一種檢驗(yàn)。 EViews將顯示殘差的自相關(guān)和偏自相關(guān)函數(shù)以及對(duì)應(yīng)于高階序列相關(guān)的 LjungBox Q統(tǒng)計(jì)量 。 它告訴我們?cè)谛蛄?ut的鄰近數(shù)據(jù)之間存在多大程度的相關(guān)性 。 所以在這種情況下 ， 要把顯著的變量引入到解釋變量中 。 167。 50 %if %quote(amp。sysday,1,3)。 %Quote 引用一個(gè)除％和 amp。 %macro analyze(getdata, dat, year, pr,price,year1)。 end。 /*出現(xiàn)錯(cuò)誤 */ Quit。 例中 ， 宏 names通過(guò)宏參數(shù) name， number和宏變量 n可以生成一系列的名字 。 %macro analyze(getdata, dat, year, pr,price,year1)。 proc gplot data=temp。pr 時(shí)序圖 。 %macro plot(dat=stk000002, pr=收盤(pán)價(jià) ,price=clpr)。 例 創(chuàng)建宏參數(shù) 。 symbol1 v=star i=join r=1 c=red。 %macro plot。 %mend test。 run。name..sheet。m 年 amp。 plot amp。 title2 amp。 %let plot=%str( proc gplot data=a。 %let n=1。 if sex=39。 put This is the time series plot for amp。 %let DSN=。 例中 ， DSN是宏變量名 ， DSN的值。A。M39。 data a。 plot clpr*date=1。m 年 amp。yvar*amp。n 月份收盤(pán)價(jià) 。 /*日志窗口信息 */ 12 %let name=ResDat。 LOG窗口顯示： first !!! macro variable !!! 間接引用宏變量 對(duì)一系列的宏變量引用，如 data1， data2, data3, 這一系列中部分文本是固定的名稱(chēng)，而另一部分是變化的數(shù)字。 %test 宏變量范圍 ? 宏變量以使用范圍分為全局宏變量和局部宏變量 ? 全局變量可以在 SAS對(duì)話運(yùn)行期間使用并且可以在程序的任何地方引用 ? 局部變量則只能在創(chuàng)建該局部變量的宏中使用 ,在這個(gè)宏之外，這個(gè)局部變量就沒(méi)有任何意義。 proc gplot data=。 %mend plot。 %macro plot(dat,pr,price)。 proc gplot data=ResDat.amp。 plot amp。 title2 amp。 %if amp。 在 DATA語(yǔ)句中調(diào)用宏 NAMES： data %names(dsn, 5)。 %let test2=%STR(Mr smith%’s house)。 if final then call symput(39。 %if %upcase(amp。之外的可分辯值 %Str 引用除％和 amp。 run。X)=fn %then 51 %put Financial Department。 序列相關(guān)及其檢驗(yàn) 第 3章在對(duì)擾動(dòng)項(xiàng) ut的一系列假設(shè)下 ， 討論了古典線性回歸模型的估計(jì) 、 檢驗(yàn)及預(yù)測(cè)問(wèn)題 。 167。 ? ?? ?? ?????? ????? Tt tTkt kttkuuuuuur121u 2． 偏自相關(guān)系數(shù) 偏自相關(guān)系數(shù)是指在給定 ut1， ut2， … ， utk1的條件下 ，ut與 utk之間的條件相關(guān)性 。 如果殘差不存在序列相關(guān) ， 在各階滯后的自相關(guān)和偏自相關(guān)值都接近于零 。 T R2統(tǒng)計(jì)量是 LM檢驗(yàn)統(tǒng)計(jì)量，是觀測(cè)值個(gè)數(shù) T 乘以回歸方程（ ）的 R2。 通?？梢杂?AR(p) 模型來(lái)描述一個(gè)平穩(wěn)序列的自相關(guān)的結(jié)構(gòu) ， 定義如下： () () tktkttt uxxxy ?????? ???? ?22110tptpttt uuuu ???? ????? ??? ?2211 其中： ut 是無(wú)條件擾動(dòng)項(xiàng) ， 它是回歸方程 （ ）的擾動(dòng)項(xiàng) ， 參數(shù) ?0， ?1， ?2， ?， ?k 是回歸模型的系數(shù) 。因此，用 AR(1)模型修正后的回歸方程的估計(jì)結(jié)果是有效的。如果存在虛根，根的模應(yīng)該小于 1。 qtqtttu ?? ????? ?????? ?11。 例如：將例 ， 估計(jì)如下帶有附加修正項(xiàng) AR(3)的非線性方程： tcttt uGDPCSccCS ???? ? 2110 用公式法輸入： cs=c(1)+gdp^c(2)+c(3)*cs(1)+[ar(1)=c(4), ar