(5)数据的“编造” 例如,季度数据来自月度数据的简单平均,这 种平均的计算减弱了每月数据的波动而引进了数 据中的匀滑性,这种匀滑性本身就能使干扰项中 出现系统性的因素,从而出现序列相关 还有就是两个时间点之间的“内插”技术往往 导致随机项的序列相关性
(5)数据的“编造” 例如，季度数据来自月度数据的简单平均，这 种平均的计算减弱了每月数据的波动而引进了数 据中的匀滑性，这种匀滑性本身就能使干扰项中 出现系统性的因素，从而出现序列相关。 还有就是两个时间点之间的“内插”技术往往 导致随机项的序列相关性
二、序列相关性的后果
二、序列相关性的后果
1、参数估计量非有效 OLS参数估计量仍具无偏性 OLS估计量不具有有效性 在大样本情况下,参数估计量仍然不具有渐近有 效性,这就是说参数估计量不具有一致性
1、参数估计量非有效 • OLS参数估计量仍具无偏性 • OLS估计量不具有有效性 • 在大样本情况下，参数估计量仍然不具有渐近有 效性，这就是说参数估计量不具有一致性
2、变量的显著性检验失去意义 在关于变量的显著性检验中,当存在序列相关 时,参数的OLS估计量的方差增大,标准差也增 大,因此实际的t统计量变小,从而接受原假设 βi=0的可能性增大,检验就失去意义 采用其它检验也是如此
2、变量的显著性检验失去意义 在关于变量的显著性检验中，当存在序列相关 时，参数的OLS估计量的方差增大，标准差也增 大，因此实际的 t 统计量变小，从而接受原假设 i=0的可能性增大， 检验就失去意义。 采用其它检验也是如此
3、模型的预测失效 区间预测与参数估计量的方差有关,在方差有 偏误的情况下,使得预测估计不准确,预测精度 降低。所以,当模型出现序列相关性时,它的预 测功能失效
3、模型的预测失效 区间预测与参数估计量的方差有关，在方差有 偏误的情况下，使得预测估计不准确，预测精度 降低。所以，当模型出现序列相关性时，它的预 测功能失效