第七章 序列关性.ppt

比较普通最小二乘法、加权最小二乘法和广义最小二乘法的异同。 答：在经典多元线性回归模型中,如果回归模型满足基本的经典假设, 是BLUE估计 如果随机误差项不满足同方差假设，在其他假设仍然成立的情况下，OLS估计量不是有效估计量，相应的变量显著性检验和预测检验也就失效。这时应该用加权最小二乘法进行参数估计。 加权最小二乘法有效地克服了异方差问题,由此得到的参数估计量有效 如果随机误差项不满足同方差假设,同时还不满足随机误差项序列无关的假设,这时可用广义最小二乘法来估计. 从上面的分析可知OLS估计是加权最小二乘估计的特例,而加权最小二乘又是广义最小二乘估计的特例. 四、拉格朗日乘子检验 拉格朗日乘子检验克服了D-W检验的缺陷，适合于高阶序列相关 及模型中存在滞后被解释变量的情形。它是由布劳殊（Breusch）与 戈弗雷（Godfrey）于1978年提出的，也称为GB检验。 对于模型 （7-24） 如果要检验随机误差项是否存在p阶序列相关： （7-25） 那么检验如下受约束回归方程就是拉格朗日乘子检验： （7-26） 脾腻渡冰礁拷缎肤嘻提众拜汐彻垦秽簇烃因尚私寂腕切屈村沦躇榜榨介骑第七章 序列相关性第七章 序列相关性 约束条件为 （7-27）