Eviews数据统计与分析教程6章.pptVIP

* EViews统计分析基础教程 第6章 基本回归模型的OLS估计 重点内容： 加权最小二乘法（消除异方差） 广义最小二乘法（消除序列相关和异方差） 广义矩估计 椒临辱丰厚赚脂剃重纹未勒盯柬勺捂越酣蜘嗓揉杀哀蔽飞默柿骗羊雷屡编Eviews数据统计与分析教程6章Eviews数据统计与分析教程6章 一、加权最小二乘法（WLS） 1.异方差问题的解决 当线性回归模型出现异方差时，所得到的估计量是非有效的。用加权最小二乘法（WLS）可以解决异方差问题。 基本思路： 赋予每个观测值残差不同的权数，从而使得回归模型的随机误差项具有同方差性。 撤篙臆序咒溪贫弄钻却曹持同供师堑牲查夷日绒而仆期骄芹物忍遁早夸孵Eviews数据统计与分析教程6章Eviews数据统计与分析教程6章 一、加权最小二乘法（WLS） 1.异方差问题的解决 基本原理： 设一元线性方程为 yt =β0 +β1xt +μt 如果随机误t差项的方差Var(μt)与解释变量成比例关系，即 Var(μt) = σt2 = f(xt)×σ2 说明随机误差项的方差与解释变量xt之间存在相关性，即存在异方差问题。 鱼执荆贺兜晃佩虐熔祈势遮熊依迢溃穴延闺哨口擎弃膳胆找驴氏瘟垮恩夜Eviews数据统计与分析教程6章Eviews数据统计与分析教程6章 一、加权最小二乘法（WLS） 1.异方差问题的解决