第四章经典单方程计量经济学模型解析.ppt

第四章 经典单方程计量经济学模型：放宽基本假定的模型 §4.1 异方差性 实际经济问题中的异方差性 例4.1.1：截面资料下研究居民家庭的储蓄行为 异方差性的后果 异方差性的检验 异方差检验的方法很多，但它们有一个共同 的检验思路： 4、怀特（White）检验 优点：不需要排序，且对任何形式的异方差都适用。 怀特检验的基本思想与步骤： 异方差性的检验 异方差的修正 §4.2 序列相关性 序列相关性概念 序列相关性概念 一阶序列相关 实际经济问题中的序列相关性 1、经济变量固有的惯性 序列相关性的检验 然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。 1、图示法 2、回归检验法 3、杜宾-瓦森（Durbin-Watson）检验法 4、拉格朗日乘数检验 （又称GB检验） 序列相关阶数p的选择 实际中滞后项数p的选择有三种情况： 1、按照经验取2或3阶试模拟； 2、按照AIC、SC最小的原则； 3、可从1阶、2阶…… 逐次向更高阶检 验，根据辅助回归方程样本残差前参数的显 著性判断。 对于模型 Y=X?+ ? 如果存在序列相关，同时存在异方差，即有 如何得到矩阵?？ 广义差分法是将原模型先进行差分变换，再进行OLS估计。 广义差分法就是上述广义最小二乘法，但是却损失了部分样本观测值。 如：一阶序列相关的情况下,广义差分是估计 小样本情况下，观测值的损失可能会对估计结果有所影响，因此，广义差分变换需要弥补这一损失。 在一阶序列相关情况下，对损失的第一次观测值可进行如下的普莱斯-温斯特变换： 这样，广义差分法的估计结果就完全等于广义最小二乘估计结果。 随机误差项相关系数的估计 应用广义最小二乘法或广义差分法，必须已知随机误差项的相关系数?1, ?2, … , ?L 。实际上，人们并不知道它们的具体数值，所以必须首先对它们进行估计。 常用的估计方法有： 类似地，可进行第三次、第四次迭代。 迭代次数的确定： 一般是事先给出一个精度，当相邻两次?1,?2, ? ,?L的估计值 之差小于这一精度时，迭代终止。 实践中，有时只要迭代两次，就可得到较满意的结果。两次迭代过程也被称为科克伦-奥科特两步法。 应用软件中的广义差分法 在Eview/TSP软件包下，广义差分采用了科克伦-奥科特（Cochrane-Orcutt）迭代法估计?。 在解释变量中引入AR(1)、AR(2)、…，即可得到参数和ρ1、ρ2、…的估计值。 其中AR(m)表示随机误差项的m阶自回归。在估计过程中自动完成了ρ1、ρ2、…的迭代。 五、案例：中国商品进口模型 1. 通过OLS法建立如下中国商品进口方程： 2. 进行序列相关性检验。 DW检验 则M﹡关于GDP﹡的OLS估计结果为： （2）采用科克伦-奥科特迭代法估计? 在Eviews软包下，2阶广义差分的结果为： §4.3 多重共线性 Multi-Collinearity 多重共线性的概念 对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n 其基本假设之一是解释变量是互相独立的。 如果存在 c1X1i+c2X2i+…+ckXki=0 i=1,2,…,n 其中: ci不全为0，则称为解释变量间存在完全共线性（perfect multicollinearity）。 在矩阵表示的线性回归模型 Y=X?+?中，完全共线性指：秩(X)k+1，即 实际经济问题中的多重共线性 产生多重共线性的主要原因有以下三个方面： （1）经济变量相关的共同趋势 时间序列数据：经济繁荣时期，各基本经济变量（收入、消费、投资、价格）都趋于增长；衰退时期，又同时趋于下降。 横截面数据：生产函数中，资本投入与劳动力投入往往出现高度相关情况，大企业二者都大，小企业都小。 （2）滞后变量的引入 在经济计量模型中，往往需要引入滞后经济变量来反映真实的经济关系。显然，两期收入间有较强的线性相关性。 例如，消费=f(当期收入, 前期消费） 多重共线性的后果 多重共