Eviews数据统计和分析教程5章_基本回归模型的OLS估计_普通最小二乘法.pptVIP

宝山壁画 宝山壁画是引人注目的昂贵文物。此壁画发现于阿鲁科尔沁旗东沙布乡境内。1994年列为“全国十大考古新发现”之一。宝山壁画中最引人注目的是《杨贵妃教鹦鹉图》。该画高0.7米、宽2.3米，用于笔重彩绘制，最突出的表现了 晚唐风格。唐代擅长绘贵妇仕女的大师周昉绘制了《杨贵妃教鹦鹉图》，不仅享誉中原，而且还影响全国各地。发现于阿旗宝山古墓里的这幅画，就是契丹人聘请中原画家按照周氏风格绘制的， 技法深得周氏画风的真传。在唐人真迹稀如星风的今天，能够从中完整了解唐代人物画的杰出成就，堪称美术史研究的辛事。这幅壁画现今保存在阿鲁科尔沁旗博物馆，历经千年，恍如新绘，是该馆的镇馆之宝。 欢迎大家观看！ 五、 线性回归模型的检验 4.序列相关检验 （1）杜宾（D .W .—Durbin-Watson）检验法 J. Durbin, G. S. Watson于1950年提出了D .W .检验法。它是通过对残差构成的统计量来判断误差项ut 是否存在自相关。D .W .检验法用来判定一阶序列相关性的存在。 D .W .的统计量为 五、 线性回归模型的检验 4.序列相关检验 （1）杜宾（D .W .—Durbin-Watson）检验法 如果， 0 D .W . dt ，存在一阶正自相关 dt D .W . du ，不能确定是否存在自相关 du D .W . 4－du ，不存在自相关 4－du D .W . 4－dt 不能确定是否存在自相关 4－dt D .W . 4 ，存在一阶负自相关 五、 线性回归模型的检验 4.序列相关检验 （1）杜宾（D .W .—Durbin-Watson）检验法 使用D .W .检验时应注意，因变量的滞后项yt-1不能作为回归模型的解释变量，否则D .W .检验失效。另外，样本容量应足够大，一般情况下，样本数量应在15个以上。 五、 线性回归模型的检验 4.序列相关检验 （2）LM（拉格朗日乘数—Lagrange Multiplier）检验法 LM 检验原假设和备择假设分别为： H0：直到p阶滞后不存在序列相关 H1：存在p阶序列相关 LM的统计量为 LM = n·R2 ～ χ2（ p） 其中，n为样本容量，R2为辅助回归模型的拟合优度。LM统计量服从渐进的χ2（p）。在给定显著性水平的情况下，如果LM统计量小于设定在该显著性水平下的临近值，则接受原假设，即直到p阶滞后不存在序列相关。 五、 线性回归模型的检验 4.序列相关检验 序列相关性的后果： 用OLS（最小二乘估计法）得到的估计参数将不再有效； 变量的显著性检验（t检验）失去意义； 模型不再具有良好的统计性质，并且模型失去了预测功能。 五、 线性回归模型的检验 5.多重共线性 方法： （1）相关系数检验法 （2）逐步回归法 五、 线性回归模型的检验 5.多重共线性 （1）相关系数检验法 在群对象窗口的工具栏中选择“View” | “Correlations” | “Common Sample”选项，即可得到变量间的相关系数。 如果相关系数较高，则变量间可能存在线性关系，即模型有多重共线性的可能。 五、 线性回归模型的检验 5.多重共线性 （2）逐步回归法 当在回归模型中增加或减少解释变量个数时，如果拟合优度变化很大，说明新引进的变量是一个独立的解释变量，即它与其他变量间是相互独立的，模型不存在多重共线性；如果拟合优度变化不大，说明新引进的变量不是一个独立的解释变量，它可由原有的解释变量的线性组合构成，即它与其他变量间非相互独立，模型可能存在多重共线性。 五、 线性回归模型的检验 4.序列相关检验 消除多重共线性方法： 剔除法 差分法 本章小结： 掌握线性回归模型的基本原理 掌握回归模型的检验方法 熟练各检验的EViews相关操作 * EViews统计分析基础教程 第5章 基本回归模型的OLS估计 重点内容： 普通最小二乘法 线性回归模型的估计 线性回归模型的检验 一、普通最小二乘法（OLS） 1.最小二乘原理 设（x1，y1），（x2，y2），…，（xn，yn）是平面直角坐标系下的一组数据，且x1 x2… xn，如果这组图像接近于一条直线，我们可以确定一条直线y = a + bx ，使得这条直线能反映出该组数据的变化。 如果用不同精度多次观测一个或多个未知量，为了确定各未知量的可靠值，各观测量必须加改正数，使其各改正数的平方乘以观测值的权数的总和为最小。因而称最小二乘法。 一、普通最小二