4、解：（1）由回归结果（a）中的DW=0.628 可以看出回归模型至少存在一阶序列相关， 由（b）和（c）可以看出，原回归模型存在 二阶序列相关，但没有三阶序列相关。 由于原回归模型存在三阶序列相关，因此 我们可以用科奥迭代法来处理序列相关。
3、解： （1）在模型A中存在序列相关，但在模型B中 没有序列相关 。因为在0.05显著性水平下 ,n=16,k=1时，DW临界值为1.106和1.371； n=16,k=2时，DW临界值为0.982和1.539 （2）自相关可能是由于模型A的误设定，因 为它排除了二次趋势项。 （3）借助散点图、经验知识、相关理论等判 断模型函数形式设定是否有误。
第七章 序列相关性
一、单项选择题
1-5 BDCDC
11-15 AADDB 21-25 CBABC 31-33 CBA
6-10 DDBDD
16-20 DBABB 25-30 BBBCA

二、多项选题
1、BCD 4、AD 7、CD 10、ACD 13、CD 2、ABCD 5、ABD 8、BCD 11、BD 14、AD 3、BC 6、CD 9、BD 12、ACD
• 2、答：当模型存在序列相关时，根据普通 最小二乘法估计出的参数估计量仍具有线 性特性和无偏性，但不再具有有效性；用 于参数显著性的检验统计量，要涉及到参 数估计量的标准差，因而参数检验也失去 意义
3、答：一阶自相关指的是随机干扰项的当 前值只与自身前一期值之间存在相关性。 而DW方法仅适用于解释变量为非随机变量， 随机干扰项的产生机制是一阶自相关，回 归含有截距项，回归模型不把滞后被解释 变量当做解释变量之一，没有缺失数据的 情况。 4、5答案略
三、判断题
1、× 7、× 2、√ 8、√ 3、× 4、√ 5、√ 9、× 10、√ 6×
四、简答题
• 1、答：在存一阶自相关的情况下，估计自 相关系数ρ有下述几种方法：（1）利用D.W. 统计量（大样本情况下）求ρ的估计值； （2）柯-奥迭代法；（3）杜宾两步法。不 论哪种方法，其基本思路都是采用OLS方法 估计原模型，得到随机干扰项的“近似估 计值”，然后利用该“近似估计值”求得 随机干扰项相关系数的估计量。
• 2、解： （1）由于样本容量n=22，解释变量个数为k=3，在5%在显著性水 平下，相应的上下临界值为 、 。由于DW=1.147位于这两个值 之间，所以DW检验是无定论的。 （2）进行LM检验： 第一步，做Y关于常数项、lnX1、lnX2和lnX3的回归并保存残差 ； 第二步，做 关于常数项、lnX1、lnX2和lnX3和 的回归并计算 ； 第三步，计算检验统计值(n-1) ； 第四步，由于在不存在一阶序列相关的零假设下(n-1) 呈自由度 为1的 分布。在给定的显著性水平下，查该分布的相应临界值 。 如果(n-1) > ，拒绝零假设，意味着原模型随机扰动项存在一阶 序列相关，反之，接受零假设，原模型不存在一阶序列相关。
六、计算分析题
• 1、解：（1）若题目要求用变量的一次差分估 计该模型，即采用了如下形式：Yt-Yt-1=β2（XtXt-1）+（µ t-µ t-1）或 ΔYt=β2ΔXt+εt ，这时意味着 µ t=µ t-1+εt，即随机扰动项是自相关系数为1的 一阶自相关形式。 （2）在一阶差分形式中出现有截距项，意味着 在原始模型中有一个关于时间的趋势项，截距 项事实上就是趋势变量的系数，即原模型应为 Yt=β0+β1t+β2Xt +µ t