5----误差项的问题.docVIP

误差项的问题 学习目标 系列相关数据所表现的现象﹑检验方法和估计方法 异方差数据所表现出的现象﹑检验方法和估计方法 主要内容 一、 问题的提出 二、 异方差 三、 系列相关 一、 误差项问题的提出 1. 观察样本中误差项的散点图，比较上面三个图。 2. 种类 模型 中，误差项的方差协方差矩阵为 ， 如果满足最小二乘法假设(3)和(4)，则 。 但是，当出现 时，误差项的方差出现不完全一致，称为异方差。 当 中非对角线不全为0时，称为系列相关。 二、 异方差 模型： 定义 ； 方差协方差矩阵为： ； 异方差的后果 对于不考虑异方差，强行使用最小二乘法，得到最小二乘估计量。在存在异方差的情况下，估计量的线性，无偏性和有效性会有什么样的变化？ 线性 ； ====〉 继续维持线性 无偏性 ； ====〉 继续维持无偏性。 3） 有效性 ====〉 有效性得不到保障，导致的检验和预测不稳定。 异方差检验 a. 散点图 与或的散点图； 上机实习 根据“家庭生活开支与收入”残差平方的散点图，判断出现异方差现象与否。 H. Glejser 检验法 第一步， 计算残差； 第二步， 做下面回归： ； ； ； ； ； …… 。 第三步，进行有意性检验，如果存在一个系数（常数项出外）显著不同于0，则说明模型 存在异方差问题。 上机实习： 根据H. Glejser 检验法，判断“家庭生活开支与收入”是否出现异方差现象。 c. Goldfeld-Quandt 检验法 第一步，按照说明变量的递增或者递减的顺序排列； 第二步，把样本分成三组：第一组的样本数，第二组样本数，第三组样本数； 第三步，分别计算样本1和样本3的残差平方和：和； 第四步，构筑F检验统计量 不存在异方差的情况下，。 上机实习： 根据Goldfeld-Quandt检验法，判断“家庭生活开支与收入”是否出现异方差现象。 异方差模型的估计 ---- 加权最小二乘法 (1) 最小二乘回归 估计思想 消除异方差性，然后进行最小二乘回归。 具体方法 例如H. Glejser 检验法中，判断 最有效，说明中的误差项与成一次（线性）关系。 可以通过对原模型 的两侧分别除上，即 进行变换。 令 ， ， ，， 。 新的回归模型 。 达到修正异方差。 注意： 感兴趣的是 中的和。于是还需要从和中求出和。 上机实习： 请分析“机动车耗油情况”受哪些因素的影响。 根据“硫酸透明度与铁杂质”数据，试分析硫酸中铁杂质含量的变化对硫酸透明度的影响。 （2） 最尤法 略 三、 系列相关 (Serial correlation) 系列相关的定义 系列相关也叫自己相关(autocorrelation)，是时系列数据分析中经常发生的问题。系列相关意味着误差项之间具有相关性。具体最小二乘法假设中的 假设误差项存在一阶系列相关，我们可以用下面方程式表示： ，。 其中，，说明误差项存在一阶正的系列相关； ，说明误差项存在一阶负的系列相关。 我们称为自己相关系数。一阶相关的方差协方差矩阵为 。 后果 出现系列相关后，用最小二乘法估计参数得到的t-value, F-value以及决定系数都会发生变化，使原本的估计变得没有意义。 发生原因 原因1. 理论模型的建模阶段缺少重要的说明变量； 原因2. 经济行为具有惯性； 原因3. 一些大的事件给经济带来的冲击在一个经济周期内不能完全消失； 原因4. 模型的函数形式不对； 原因5. 数据的时间间隔越短，越容易发生系列相关。 检验 方法1. Durbin-Watoson ratio (DW) 条件 误差项最多存在一阶的相关性； 被说明变量的滞后变量不能作为说明变量； 样本的数量不能太少。 2） 检验方法 检验目的：存在一阶的系列相关，还是系列无关。 检验原理： 假设最小二乘回归的残差为， , 。 当样本数很大时，可以用下面的算式近似地求解DW统计量， ， 其中， 。 当的时候，； ----〉 系列存在完全正相关 当， ； ----〉 系列存在正的相关 当的时候，； ----〉 系列完全无关 当， ； ----〉 系列存在负相关 当的时候，。 ----〉 系列存在完全负相关 DW统计检验时，请参考下面的简图。 检验方法 第一步 用最小二乘法(OLS