放宽条件的回归模型多重共线性ppt.pptVIP

第五章 放宽条件的回归模型（1）多重共线性 教师：卢时光 在前面的学习中，我们详尽的考察了经典正态线性回归模型，我们用它来进行估计和假设检验和预测问题。但是，这个模型是建立在一些简化了的假定基础之上的。这些假定包括： 1. 回归模型对于参数而言是线性的。 2. 各回归元X的值在重复抽样中是固定的。 3. 给定的X，干扰ui的均值为零。 4. 对于给定的X，ui的方差不变或称之为同方差性。 5. 对于给定的X，干扰无自相关。 6. 如果X是随机的，则干扰项与各个X是独立的至少是不相关的。 7. 观测的次数大于回归元的个数。 8. 回归元的取值必须有足够的变异性。 9. 回归模型被正确的设定。 10. 回归元之间无多重共线性。 11. 随机干扰项ui是正态分布的。 遗憾的是，我们尚无法对所有的问题都给出令人满意的答案。接下来的工作中，我们对某些假定给予更多的注意，当然有些假定我们并不过分的深究，特别是假定1、2、3、6和11中的问题。 威瑟里尔（Wetherill）指出，实际上在应用经典线性回归模型时，有两类问题需要注意：（1）关于模型设定及对干扰项ui的假定问题，诸如假定1、2、3、4、5、9和11；（2）关于对数据的假定问题，诸如6、7、8和10。 关于对来自干扰和模型设定的假定问题主要有三： 1. 要偏离一个具体的假定多远才会产生不可忽视的差别？如ui不是正态分布，那么我们能够