第12章其他回归方法ppt.pptVIP

如果估计过程收敛，EViews会报告这一事实及迭代的次数。如果迭代过程不收敛，EViews会报告经过某个迭代次数尝试后没有收敛。 在描述收敛语句下面，EViews会重复非线性方程说明，使你很容易理解被估计模型的系数。 EViews会提供回归模型所有常用的统计量。如果模型收敛，标准统计量结果和检验都是渐近有效的。 * * 第十二章 其他回归方法 本章讨论加权最小二乘估计，异方差性和自相关一致协方差估计，两阶段最小二乘估计（TSLS），非线性最小二乘估计和广义矩估计（GMM）。这里的大多数方法在第十九章的联立方程系统中也适用。 本章中某些估计方法中含有AR和MA误差项，这些概念将在第13章中深入介绍。 线性回归模型的基本假设 i = 1 , 2 , … , n 在普通最小二乘法中，为保证参数估计量具有良好的性质，通常对模型提出若干基本假设： 1．解释变量之间互不相关； 2．随机误差项具有0均值和同方差。即 i = 1 , 2 , … , n 即随机误差项的方差是与观测时点t无关的常数； 3．不同时点的随机误差项互不相关（序列不相关），即 4．随机误差项与解释变量之间互不相关。即 5．随机误差项服从0均值、同方差的正态分布。即 ~ 当随机误差项满