【摘要】：，μn序列自身的相关，因n个随机误差项的关联形式不同而可能具有不同的自相关形式，通过时间序列可以说明自相关的不同表现形式。如果式（6-3）中的随机误差项vt不满足古典假设的误差项，即vt中包含μt的成分，也包含有μt-2的影响，则需要将μt-2包含在回归模型中：则式中ρ1为一阶自相关系数，ρ2为二阶自相关系数，vt为满足古典假设的误差项，式（6-3）为二阶自回归形式，记为AR，一般的，如果μ1，μ2，…
由于自相关是μ1，μ2，…，μn序列自身的相关，因n个随机误差项的关联形式不同而可能具有不同的自相关形式，通过时间序列可以说明自相关的不同表现形式。
对于样本观测期为n的时间序列数据，可以得到总体回归模型（PRF）的随机误差项为μ1，μ2，…，μn，如果自相关形式为
式中ρ为自相关系数；vt为满足古典假设的误差项，即满足均值为0，同方差，无自相关的误差项，因为（6.2）中μt-1是μt滞后一期的值，则称式（6-3）为一阶自回归，记为AR（1），该式中的ρ也称为一阶自相关系数。
如果式（6-3）中的随机误差项vt不满足古典假设的误差项，即vt中包含μt的成分，也包含有μt-2的影响，则需要将μt-2包含在回归模型中：(www.xing528.com)
则式中ρ1为一阶自相关系数，ρ2为二阶自相关系数，vt为满足古典假设的误差项，式（6-3）为二阶自回归形式，记为AR（2），一般的，如果μ1，μ2，…，μt之间的关系为
如果vt是满足古典假设的误差项，则称式（6-5）中为m阶自回归形式，记为AR（m）。
此外，自相关形式也可能为移动平均形式，记为MA（n），还可能为更为复杂的移动平均自回归形式，记为ARMA（m，n），在计量经济学中，通常采用一阶自回归形式，这种简化后的自回归形式，在时间中通常能够取得较好的效果。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
