第九专题_截面数据模型.pptVIP

《计量经济学》课件 教师：周靖祥 单位：湘潭大学商学院 Email1:zjx2010@ Email2:zhoujingx@126.com 第九专题截面数据模型（一） 本讲要点： 一、截面数据类型及举例 二、截面数据论文 三、异方差 一、截面数据类型 二、截面数据论文 三、违背基本假设：异方差 满足基本假定的OLS估计具有BLUE优良性。(Best Linear Unbiased Estmator) 然而实际问题中，基本假定往往得不到满足，使OLS方法失效不再具有BLUE特性。 估计参数时，必须检验基本假定是否满足，并针对基本假定不满足的情况，采取相应的补救措施或者新的方法。 BLUE的优良性 【1】最小二乘估计量是线性估计量——估计量是因变量观察值的线性组合 【2】最小二乘估计量是无偏估计量——估计量的数学期望等于被估计的参数 【3】最小二乘估计量是一切线性、无偏估计量中的最佳估计量，方差最小 这些性质是由高斯-马尔科夫定理定义。 不满足基本假定高斯-马尔科夫定理失效 【1】随机扰动项的方差不等于常数=异方差 截面数据时，经常出现异方差 【2】随机扰动项具有水平变动=变量误差模型 【3】随机扰动项与所有自变量不相关=自变量之间不相关=多重共线 【4】通常不会发生随机扰动项均值=0与非线性模型的假设不满足的情形 回顾基本假定 【1】残差纵向变动（隐含自变量X是确定性变量） 【2】E(ei)=0 （随机项均值为零） 【3】Var(ei)=?2 （同方差） 【4】Cov(ei, ej)=0（随机项无自相关） 【5】Cov(x, ei)=0（随机项与解释变量X不相关）==自变量间不相关 【6】数据生成过程为线性过程 （线性模型） Y=X?+e 计量经济学检验有两种基本方法 图示法和解析法 图示法 是利用残差序列绘制出各种图形，以供分析检验使用。包括： 【1】时间为X轴，残差e为Y轴的残差序列图 【2】因变量估计值y^为X轴，残差e为Y轴的Y^-e散点图 【3】解释变量为X轴，残差e（或e2）为Y轴的x-e散点图 【4】残差e的直方图 也可以使用误差项的平方来作图。 解析法 导出检验统计量的解析式，根据一些准则，进行检验。例如： 【1】检验自相关的Durbin-Watson检验 【2】检验异方差的Goldfeld-Quandt检验 （一）异方差的定义 储蓄模型 Cobb-Douglass生产函数 1、图示法及其类型 异方差是指e的方差随着x的变化而变化。 故可以根据x-y或残差x-e2的散点图，对异方差是否存在及其类型作出判断。 异方差大致可分为三种： （1）递增异方差 （2）递减异方差 （3）复杂型异方差 E-views软件：纺锤型 反纺锤型 漏斗型 反漏斗型 其它有规律可寻的图形 2、解析法 【1】RESET检验 【2】WHITE检验 【3】GEJSTER检验 【4】Goldfeld-Quant检验 【5】Park检验 * 1 2 3 举例： （一）国家层面 （二）行业层面 （三）企业层面 （四）政府层面 （五）居民家庭层面 （六）居民个人层面 举例： （一）拜年与择校 （二）通过买房而择校 ——教育影响房价的实证证据 （三）烟叶种植业转型可能吗？ —— YN省SZ县农户视角考察 产生异方差：原因1：样本异质 原因2：“分组”资料 （二）异方差的检验（如何发现异方差） *