异方差问题预案.ppt

本章说明 基本假定违背主要 包括： 随机误差项序列存在异方差性； 随机误差项序列存在序列相关性； 解释变量之间存在多重共线性； 解释变量是随机变量且与随机误差项相关的随机解释变量问题； 模型设定有偏误； 解释变量的方差不随样本容量的增加而收敛。 计量经济检验：对模型基本假定的检验 （一）模型中省略了某些重要的解释变量 假设正确的计量模型是： 假如略去 ，而采用 当被略去的 与 有呈同方向或反方向变 化的趋势时,随 的有规律变化会体现在（5.5）式的 中。 （二）模型的设定误差 （三）数据的测量误差 样本数据的观测误差有可能随研究范围的扩大而增加，或随时间的推移逐步积累，也可能随着观测技术的提高而逐步减小。 （四）截面数据中总体各单位的差异 通常认为，截面数据较时间序列数据更容易产生异方差。这是因为同一时点不同对象的差异，一般说来会大于同一对象不同时间的差异。 课堂练习 1、解释异方差性的含义。 2、简述异方差对下列各项有何影响？ （1）OLS估计量及其方差； （2）置信区间； （3）显著性t检验和F检验。 2. 一个例子 步骤 对模型进行OLS估计； 采用散点图检验，表明存在异方差； 采用G-Q检验，表明存在异方差； 经试算，寻找适当的权； 采用WLS估计模型； 采用稳健标准误方法估计模型。 称一阶序列相关，或自相关(autocorrelation)，这是最常见的序列相关问题。 2. 序列相关产生的原因 (1) 经济变量固有的惯性 (2) 模型设定偏误：遗漏了重要的解释变量 (3) 设定偏误：不正确的函数形式 (4) 蛛网现象 OLS参数估计量仍具有无偏性 OLS估计量不具有有效性 在大样本情况下，参数估计量虽然具有一致性，仍不具有渐进有效性。 2. 变量的显著性检验失去意义 在变量的显著性检验中，当存在序列相关时，参数的OLS估计量方差增大，标准差也增大。因此实际的t 统计量变小，从而接收原假设?i = 0的可能性增大，检验就失去意义。其他的检验也是一样。 3. 解析法 (1) 回归检验法 (2) 杜宾-瓦森（Durbin-Watson）检验法 当D.W.值在2左右时，模型不存在一阶自相关 注意： 课堂练习 2、假设Y为内生变量，X为外生变量，以下各组方程中哪些方程可以用Durbin-Watson方法检验一阶自相关： （1） （2） （3） （4） （5） 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? ？ 一元消费模型估计结果： 一元消费模型广义差分法估计结果： 五、案例——中国居民总量消费函数（自学） 步骤 对一元模型进行OLS估计； 进行序列相关检验，存在正相关； 分析产生序列相关的原因，为了消除虚假相关，引入时间趋势项； 估计新模型，经D.W.检验，仍然存在正相关； 进行LM检验，判断存在1阶序列相关； 采用广义差分法估计模型； 采用稳健标准误方法估计模型。 六、案例：中国商品进口模型 2. 进行序列相关性检验 （1）图示法检验 （2）DW检验 广义差分法—科克伦-奥科特迭代法估计? Eviews软件，2阶广义差分的结果为： 二阶广义差分得到的估计结果： Eviews软件，2阶广义差分的结果为： 课堂练习 1、以某地区22年的年度数据估计了如下工业回归方程： LM检验（2阶相关） LM检验（2阶相关） LM检验（3阶相关） 是否存在3阶序列相关性？ 广义差分法（选择2阶差分） 广义差分法（选择2阶差分） 是否存在序列相关性？ Newey-West standard errors Newey-West standard errors 演示：教材例4.2.1(只包含1个解释变量) 5、虚假序列相关问题 由于随机项的序列相关往往是在模型设定中遗漏了重要的解释变量或对模型的函数形式设定有误，这种情形可称为虚假序列相关(false autocorrelation) ，应在模型设定中排除。 ★避免产生虚假序列相关性的措施是在开始时建立一个“一般”的模型，然后逐渐剔除确实不显著的变量。 经济理论指出，商品进口主要由进口国的经济发展水平，以及商品进口价格指数与国内价格指数对比因素决定的。 由于无法取得中国商品进口价格指数，我们主要研究中国商品进口与国内生产总值的关系。（下表）。 1978~2001年中国商品进口与国内生产总