sas编程技术sas处理流程与指针控制(编辑修改稿)

sas编程技术sas处理流程与指针控制(编辑修改稿)内容摘要：

() 也就是 ， ut 遵循以 0为均值 ， (0+1u2t1 )为方差的正态分布。 tu  )(,0 2 110  tuN  由于 ()中 ut 的方差依赖于前期的平方扰动项，我们称它为 ARCH(1)过程： 通常用极大似然估计得到参数 0, 1, 2,  , k, 0, 1的有效估计。 容易加以推广 ， ARCH (p)过程可以写为： () 这时方差方程中的 (p+1)个参数 0, 1, 2,  , p也要和回归模型中的参数 0, 1, 2,  , k一样，利用极大似然估计法进行估计。 2 1102)v a r(  ttt uu 22 222 1102)v ar ( ptptttt uuuu     如果扰动项方差中没有自相关 ， 就会有 H0 ： 这时 从而得到扰动项方差的同方差性情形。 恩格尔曾表明 ， 容易通过以下的回归去检验上述虚拟假设： 其中， t 表示从原始回归模型（ ）估计得到的 OLS残差。 22 222 1102 ˆˆˆˆˆˆˆˆ ptpttt uuuu    021  p 02)v a r(  tu 在 ARCH(p) 过程中 ， 由于 ut 是随机的 ， ut2 不可能为负 ， 所以对于 {ut} 的所有实现值 ， 只有是正的 ， 才是合理的。 为使 ut2 协方差平稳 ， 所以进一步要求相应的特征方程 （ ） 的根全部位于单位圆外。 如果 i（ i = 1, 2, … , p） 都非负，式（ ）等价于 1 + 2 + … + p  1。 01 221  pp zzz   ARCH的检验 下面介绍检验一个模型的残差是否含有 ARCH效应的两种方法： ARCH LM检验和残差平方相关图检验。 1. ARCH LM检验 Engle在 1982年提出检验残差序列中是否存在 ARCH效应的拉格朗日乘数检验（ Lagrange multiplier test），即 ARCH LM检验。 自回归条件异方差性的这个特殊的设定，是由于人们发现在许多金融时间序列中，残差的大小与最近的残差值有关。 ARCH本身不能使标准的 OLS估计无效，但是，忽略 ARCH影响可能导致有效性降低。 ARCH LM检验统计量由一个辅助检验回归计算。 为检验 原假设：残差中直到 q阶都没有 ARCH， 运行如下回归： 式中 t 是残差。 这是一个对常数和直到 q 阶的滞后平方残差所作的回归。 这个检验回归有两个统计量： （ 1） F 统计量是对所有残差平方的滞后的联合显著性所作的一个省略变量检验； （ 2） TR2 统计量是 Engle’s LM检验统计量 ， 它是观测值个数 T 乘以回归检验的 R2 ； tqtqtt uuu    22 1102 ˆˆˆ  普通回归方程的 ARCH检验都是在残差检验下拉列表中进行的，需要注意的是，只有使用最小二乘法、二阶段最小二乘法和非线性最小二乘法估计的方程才有此项检验。 BreuschPaganGodfrey Harvey Glejser ARCH White Custom Test Wizard… 图 普通方程的 ARCH检验列表 2. 残差平方相关图 显示直到所定义的滞后阶数的残差平方 t2的自相关性和偏自相关性 ， 计算出相应滞后阶数的 LjungBox统计量。 残差平方相关图可以用来检查残差自回归条件异方差性（ ARCH）。 如果残差中不存在 ARCH， 在各阶滞后自相关和偏自相关应为 0， 且 Q统计量应不显著。 可适用于使用 LS，TSLS， 非线性 LS估计方程。 在图 Residuals Tests/ Correlogram Squared Residuals项 ， 它是对方程进行残差平方相关图的检验。 单击该命令 ， 会弹出一个输入计算自相关和偏自相关系数的滞后阶数设定的对话框 ， 默认的设定为 36，单击 OK按钮 ， 得到检验结果。 例 沪市股票价格指数波动的 ARCH检验 为了检验股票价格指数的波动是否具有条件异方差性 ， 本例选择了沪市股票的收盘价格指数的日数据作为样本序列 ， 这是因为上海股票市场不仅开市早 ，市值高 ， 对于各种冲击的反应较为敏感 ， 因此 ， 本例所分析的沪市股。