计经第4章 线性回归问题和分析.pdf

第四章 线性回归的问题和分析方法扩展 关于基本假定的说明 当满足假定2-5时，所有回归参数的最小二乘（OLS）估计量都是最 佳、线性、无偏估计量。在满足假定1时，这些估计量还将服从正态分 布。 关于假定1 （随机项的正态性假定）的说明： 有无假定1，不影响OLS估计量的统计性质，但影响小样本情形下 OLS估计量的抽样分布。可以证明所有OLS 估计量都具有渐进正态性， 因此在大样本情形下，可以认为OLS估计量近似服从正态分布。 由于经济计量问题常常面对小样本问题，所以需要假定1。这是进 行参数显著性检验和参数置信区间估计的需要。 关于假定2 （随机项的零期望值假定）的说明： 在回归模型函数形式的设定是正确的情况下，随机项的零期望值 假定2是合理的。在线性模型中只要存在常数项，假定2一般是有保障 的。但常数就项失去了无偏性，不过常数项一般没有重要的经济意义。 （期望值有不是常数的情况） 1 关于基本假定的说明（2） 关于假定5 （随机项u与自变量x不相关）的说明： 在一般情况下将假定自变量是非随机变量。在此假定下，自 变量与随机项自动不相关，假定5也就自然满足。但在实际问题 中，经济变量间是广泛联系的，自变量一般都是随机变量。 作出自变量为非随机变量假定的原因： 1）由于经济变量样本的不可重复性，经济计量工作者只能在自 变量值的取值已确定的情况下进行推断； 2）经济计量工作者处理实际问题时，所用的数据一般都是政府 机构公布的，经济计量工作者不能对数据本身可能存在的问题负 责，把利用这些数据推断的结果看成是无条件推断结果。 基于以上原因在一般情况下把自变量看成非随机变量是合理的。 本章重点：讨论均值非零、以及不满足假定3 （同方差假定）、 假定4 （非自相关假设）和假定6（自变量之间不相 关假定）时的情况。 2 4.1 误差项均值非零 导致线性回归模型存在误差项均值E (µ) ≠0的原因： 4.1.1 异常值问题 1）问题的特征 突发的事件或变化对经济活动或经济关系造成短暂的，但却是相 当显著的冲击或影响。此影响既不能被看作是微小的随机扰动，又不 会决定或改变长期的经济关系或经济规律。在经济数据上表现为一个 脱离基本趋势的“异常值” 。 （“非典”、“禽流感” ） y与x在长期关系中基本满足基本假定，但在某点i 有一个突发情况： 0 0 i ≠i  （ ） 0 E (µi )  C i i （ ）  0 OLS法的回归残差的平方和将受到影响。∴存在异常值时必须加以处理。 2）发现和判断 ①从经济现象分析经济问题的相关背景情况，包括对经济现象、相关 社会经济事件以及数据序列的直接分析等。 ②从技术角度：“回归残差序列分析” （残差序列图分析）。 3 4.1.1 异常值问题 （2） ε i 就应高度怀疑模型在点i处存在异常值问题。因为正 如果 2 ~ 3, ˆ σ µ 态随机变量的离差正常情况不会大于2～3倍