1樓：戀勞
如果隨機誤差項的各期望值之間存在著相關關係，這時，稱隨機誤差項之間存在自相關性（autocorrelation）或序列相關。
對於模型 y t= b0 +b1x1t+b2x2t+……bkxkt+ut
如果隨機誤差項的各期望值之間存在著相關關係，即
cov(ut,us)=e(utus) ≠ 0 (t,s=1,2,……k)
這時，稱隨機誤差項之間存在自相關性（autocorrelation）或序列相關。
隨機誤差項的自相關性可以有多種形式，其中最常見的型別是隨機誤差項之間存在一階自相關性或一階自回歸形式，即隨機誤差項只與它的前一期值相關：cov(ut,u t-1) =e（ut,u t-1) =/= 0,或者u t=f(u t-1),則稱這種關係為一階自相關。
一階自相關性可以表示為
ut= p1 u i-1 + p2 u i-2 + p3 u i-3 + …… p p u t-p + v t
稱之為p 階自回歸形式，或模型 存在 p 階自相關
由於無法觀察到誤差項 u t,只能通過殘差項 e t來判斷 u t 的行為。如果 u t或 e t呈出下圖(a) -(d) 形式，則表示u t 存在自相關，如果 ut 或et 呈現圖中 (e) 形式，則 表示 u t不存在自相關
線性回歸模型中的隨機誤差項的序列相關問題較為普遍，特別是在應用時間序列資料時，隨機誤差項的序列相關經常發生。
自相關性產生的原因：
線性回歸模型中隨機誤差項存在序列相關的原因很多，但主要是經濟變數自身特點、資料特點、變數選擇及模型函式形式選擇引起的。
1.經濟變數慣性的作用引起隨機誤差項自相關
2.經濟行為的滯後性引起隨機誤差項自相關
3.一些隨機因素的干擾或影響引起隨機誤差項自相關
4.模型設定誤差引起隨機誤差項自相關
5.觀測資料處理引起隨機誤差項序列相關
自相關的後果：
線性相關模型的隨機誤差項存在自相關的情況下，用ols（普通最小二乘法）進行引數估計，會造成以下幾個方面的影響。
從高斯-馬爾可夫定理的證明過程中可以看出，只有在同方差和非自相關性的條件下，ols估計才具有最小方差性。當模型存在自相關性時，ols估計仍然是無偏估計，但不再具有有效性。這與存在異方差性時的情況一樣，說明存在其他的引數估計方法，其估計誤差小於ols估計的誤差；也就是說，對於存在自相關性的模型，應該改用其他方法估計模型中的引數。
1.自相關不影響ols估計量的線性和無偏性，但使之失去有效性
2.自相關的係數估計量將有相當大的方差
3.自相關係數的t檢驗不顯著
4.模型的**功能失效
如何判斷資料存在自相關性
a. 用相關計量軟體: 比如說e-views檢查殘差的分布。
如果殘差分布具有明顯和圓潤的線性分布影象， 說明自相關性存在的可能性很高。反之， 無規則波動大的分布影象顯示出相關性微弱。
b.durbin-watson statistics(德賓—瓦特遜檢驗)： 假設time series模型存在自相關性，我們假設誤差項可以表述為 ut=ρ*ut-1+ε.
利用統計檢測設立假設，如果ρ=o.則表明沒有自相關性。durbin-watson統計量（後面建成dw統計量）可以成為判斷正、負、零（無）相關性的工具。
dw統計量： d=∑(ut-ut-1)^2/∑ut^2≈2*(1-ρ).如果d=2則基本沒有自相關關係，d靠近0存在正的相關關係，d靠近4則有負的相關關係。
c. q-statistics 以（box-pierce)- eviews( 7th version第七版本）為例子： 很多統計計量軟體軟體提供q test來檢測，這裡用eviews為例子。
q的統計量（test statistics）為 q=n*∑ρ^2. 零假設null hypothesis h0=0和方法2的含義一樣。如果零假設證明失敗，則對立假設ρ≠0成立，意味著有自相關性。
如何減弱模型的自相關性
方法一（gls or fgls）： 假設存在自相關性的模型，誤差項之間的關係為：ut=ρ*ut-i+ε（ε為除了自相關性的誤差項，i.
i.d~（0,σ）. t時期的模型為 yt=βxt+ut, t-1時期則為 ρ*yt-1=ρ*βxt-1+ρ*ut-t。
用t時期的減去t-1時期的可得出yt-yt-1=β(xt-xt-1)+(ut-ut-1).已知 ut-ut-i=ε。經過整理後新的模型滿足gauss-makov的假設和，white noise condition （同方差性或者等分散），沒有自相關性。
方法二（hac：heteroscedasticity autocorrelation consistent): 以eviews為例子，在分析模型時選擇hac，在模型中逐漸新增time lag的數目，來校正dw統計量達到正常值減少自相關性。
2樓：匿名使用者
自相關指的是被解釋變數與其自身前期滯後的相關性。在計量中，通常用隨機干擾項的自相關來衡量，即u(t)=a*u(t-1)
誰會看LM自相關檢驗啊，計量經濟學自相關LM檢驗和DW檢驗的問題
德賓 沃森 durbin watson 檢驗簡稱d w檢驗，是目前檢驗自相關性最常用的方法，但它只適用於檢驗一階自相關性。先通過公式計算出dw值，再根據樣本容量n和解釋變數數目k查分布表，得到臨界值dl和du，然後判斷是否自相關。因為dw 2 1 而自相關係數 利用殘差構造的 的值介於 1和1之間，...
計量經濟學中的零均值什麼意思，計量經濟學中，「白雜訊」通俗的講，是什麼意思啊？
說詳細一點！你指的是不是 最小二乘法 中的殘差假設？零均值就是平均數等於0 計量經濟學中，白雜訊 通俗的講，是什麼意思啊？分布均勻，所有頻率具有相同能量密度的隨機雜訊。擾動項是零均值，同方差，且序列無關的。計量經濟學中為什麼假設干擾項的均值為0 計量經濟學問題 50 一般回歸式下面會是標準差或者t值...
計量經濟學是什麼什麼是計量經濟學
計量經濟學是以一定的經濟理論和統計資料為基礎，運用數學 統計學方法與電腦技術，以建立經濟計量模型為主要手段，定量分析研究具有隨機性特性的經濟變數關係。主要內容包括理論計量經濟學和應用經濟計量學。理論經濟計量學主要研究如何運用 改造和發展數理統計的方法，使之成為隨機經濟關係測定的特殊方法。應用計量經濟...