第二回2其他回归模型资料.ppt

* 使用加权最小二乘法，也可以得到： * 2．方差未知的情形 由于一般不知道异方差的形式，人们通常采用的经验方法是，并不对原模型进行异方差检验，而是直接选择加权最小二乘法，尤其是采用截面数据作样本时。如果确实存在异方差性，则被有效地消除了；如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法。 具体步骤是： 1．选择普通最小二乘法估计原模型，得到随机误差项的近似估计量 ?t ； 2．建立 wi 1/| ?t | 的权数序列； 3．选择加权最小二乘法，以 wi 1/| ?t |序列作为权，进行估计得到参数估计量。实际上是以 1/| ?t |乘原模型的两边，得到一个新模型，采用普通最小二乘法估计新模型。 * §4.1.3 存在异方差时参数估计量的一致协方差 当异方差性形式未知时，使用加权最小二乘法提供在异方差存在时的一致参数估计，但通常的OLS标准差将不正确。 在描述协方差估计技术之前，应注意： 使用White异方差一致协方差或Newey-West异方差一致协方差估计不会改变参数的点估计，只改变参数的估计标准差。 可以结合几种方法来计算异方差和序列相关。如把加权最小二乘估计与White 或Newey-West协方差矩阵估计相结合。 * 1. 异方差一致协方差估计（White） Heteroskedasticity Consistent Covariances