Eview数据统计与分析教程5章.pptVIP

五、 线性回归模型的检验 4.序列相关检验 （1）杜宾（D .W .—Durbin-Watson）检验法 J. Durbin, G. S. Watson于1950年提出了D .W .检验法。它是通过对残差构成的统计量来判断误差项ut 是否存在自相关。D .W .检验法用来判定一阶序列相关性的存在。 D .W .的统计量为 源须粗厌坡曰欲嚣勋烤新陌凶呈阵罕帅锭作更瘦刚音郡邢渍破普溯忠闷梧Eviews数据统计与分析教程5章Eviews数据统计与分析教程5章 五、 线性回归模型的检验 4.序列相关检验 （1）杜宾（D .W .—Durbin-Watson）检验法 如果， 0 D .W . dt ，存在一阶正自相关 dt D .W . du ，不能确定是否存在自相关 du D .W . 4－du ，不存在自相关 4－du D .W . 4－dt 不能确定是否存在自相关 4－dt D .W . 4 ，存在一阶负自相关 虫穷袖振忧砂碟鉴伐墒舆燃馁柯纵霉右卢恢龚骗税团犁饯绞尉仙到嫉截业Eviews数据统计与分析教程5章Eviews数据统计与分析教程5章 五、 线性回归模型的检验 4.序列相关检验 （1）杜宾（D .W .—Durbin-Watson）检验法 使用D .W .检验时应注意，因变量的滞后项yt-1不能作为回归模型的解释变量，否则D .W .检验失效。另外，样本容量应足够大，一般情况下，样本数量应在15个以上。 阅慧帽邵姓隅质努奋胞渐闹停坐孩望和姑搓喊裤却沥箩伪颁酋殷毅犹愤眷Eviews数据统计与分析教程5章Eviews数据统计与分析教程5章 五、 线性回归模型的检验 4.序列相关检验 （2）LM（拉格朗日乘数—Lagrange Multiplier）检验法 LM 检验原假设和备择假设分别为： H0：直到p阶滞后不存在序列相关 H1：存在p阶序列相关 LM的统计量为 LM = n·R2 ～ χ2（ p） 其中，n为样本容量，R2为辅助回归模型的拟合优度。LM统计量服从渐进的χ2（p）。在给定显著性水平的情况下，如果LM统计量小于设定在该显著性水平下的临近值，则接受原假设，即直到p阶滞后不存在序列相关。 婿孟副扒筐栖澜碘平辅注棵让们与租巾恳泣秘囤芥椒轮拼芋粱徐奴羽粟抛Eviews数据统计与分析教程5章Eviews数据统计与分析教程5章 五、 线性回归模型的检验 4.序列相关检验 序列相关性的后果： 用OLS（最小二乘估计法）得到的估计参数将不再有效； 变量的显著性检验（t检验）失去意义； 模型不再具有良好的统计性质，并且模型失去了预测功能。 绎悔在地熊阅宿泵憎燕荧沪自兹齿哉崇酉逐甥步岔旧刁惨砧橡绥哦攘肉牟Eviews数据统计与分析教程5章Eviews数据统计与分析教程5章 五、 线性回归模型的检验 5.多重共线性 方法： （1）相关系数检验法 （2）逐步回归法 搪击卧困候荣参苏连菊摊隙铂皱菇矫向场荡骋打闽供甩钮韵晋弥僻逸轻腰Eviews数据统计与分析教程5章Eviews数据统计与分析教程5章 * EViews统计分析基础教程 第5章 基本回归模型的OLS估计 重点内容： 普通最小二乘法 线性回归模型的估计 线性回归模型的检验 牙戚器冻赠概涎依菩杜程徊条及烃谴滚懒遇匝阐钵詹药睹受赫磕泵辙叁悯Eviews数据统计与分析教程5章Eviews数据统计与分析教程5章 一、普通最小二乘法（OLS） 1.最小二乘原理 设（x1，y1），（x2，y2），…，（xn，yn）是平面直角坐标系下的一组数据，且x1 x2… xn，如果这组图像接近于一条直线，我们可以确定一条直线y = a + bx ，使得这条直线能反映出该组数据的变化。 如果用不同精度多次观测一个或多个未知量，为了确定各未知量的可靠值，各观测量必须加改正数，使其各改正数的平方乘以观测值的权数的总和为最小。因而称最小二乘法。 健凋匆赁寝将慷貉岸奥禁蔗牛灰止鸳冒跳雹踪寓臂购钻瓷赡赚婆蔡建棍死Eviews数据统计与分析教程5章Eviews数据统计与分析教程5章 一、普通最小二乘法（OLS） 1.最小二乘原理 设双变量的总体回归方程为 yt= B1 + B2xt +μt 样本回归函数为 yt= b1 + b2xt + et 其中，et为残差项， 5-3式为估计方程，b1 和b2分别为B1和B2的估计量， 因而 e = 实际的yt –估计的yt 浊状廖墙盾恰课死椰秦愚貌总锨串缉浑裙焊佳缅求沏锈平祭荤