估计AR项的问题（急）！！

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

<p>我是计量经济学菜鸟，在此向大家多多学习。</p><p>eviews中估计方程时，输入AR项表示的就是被解释变量的滞后项，我的理解没错吧？</p><p>比如我输入y c ar(1)，就是y对常数和y的一阶滞后做回归吧？</p><p>按照这个思路，我发现输入y c ar(1) 和y c y(-1)的回归结果竟然不一样，主要是ar(1)和y(-1)的系数不一样，但是其他的统计量（比如ar(1)和y(-1)的方差，t统计量，DW，R方等等）都一样，请问，这样两种输入方法到底有什么区别？？ar(1)和y(-1)前的系数为什么不一样？？？</p>

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享1 收藏3 回帖

关键词：EVIEWS Eview Views 计量经济学 view 经济学 统计

ar(1)是对残差的一种回归,它的意思是说Ut= a + b U t-1, 并不是你理解的那样

以下是引用zjj624在2008-12-27 18:20:00的发言：
ar(1)是对残差的一种回归,它的意思是说Ut= a + b U t-1, 并不是你理解的那样

是这样的吗？如果是这样的话，MA项又表示什么呢？？

如果一个序列是ARMA（1，1）模型，不是说y(t)=beta1*y(t-1)+e(t)+gamma*e(t-1)吗？？

这样的话，难道应该输入y y(-1) ar(1)而不是y ar(1) ma(1)？？？？

y c y(-1)是用的最小二乘估计，而y c ar(1)是最大似然估计，你看一下eviews的结果，最大似然估计一般要经过迭代，和ols估计的原理是不同的，计算机后台对两种估计的运行计算肯定是不同的。不过对你这个模型，两种方法应该差不多吧！

这个问题我以前思考过，主要原因是估计方法不一样，一个是OLS，一个是最大似然估计。可以用AR项的定义自己推下，一下就可以看到他们的区别

谢谢楼上两位的回答，但是我觉得差别根本所在还不是方法的问题，要不不应该截距项有那么大的差别。

我想问，比如说真实DGP是y(t)=y(t-1)+e(t)+e(t-1)，这是一个ARMA(1,1)过程没错吧。

那么我在估计的时候应该怎么输入，按照我之前的理解来说是y ar(1) ma(1)。其中ar(1)表示y自己的一阶滞后，ma（1）表示残差的一阶之后。可是现在按照一些教科书来看，在估计使输入ar和ma似乎全都是关于残差的表示，所以似乎应该输入y y(-1) ar(1)，其中ar(1)表示残差的一阶滞后项，不知道我的理解对不对？？

毕竟，在估计时可以估计出y y(-1) ar(1)，并没有显示出near singular matrix，所以y(-1)和ar（1）应该不是一个东西。

ar是表示自回归误差项而不是一阶滞后

同问一下……

6# 26boy
不知道你看的谁的书，但注意下，以高铁梅的书为例，书上在表述ARMA时使用的Ut，即随机干扰项本身呈ARMA性质，而非Yt；故如此输入的话应当表示对残差的ARMA过程，至于本身Yt的滞后还是在Eviews中直接写成Y(-1)。
不知道这样对否？

高手来教教撒，高手快现身。。。