第四章违背经典假设的回归模型第一节异方差.ppt

第4章 违背经典假设的回归模型 第一节 异方差性 违背基本假设的情况 在前述基本假定下OLS估计具有BLUE的优良性。(Best Linear Unbiased Estmator) 然而实际问题中，这些基本假定往往不能满足，使OLS方法失效不再具有BLUE特性。 估计参数时，必须检验基本假定是否满足，并针对基本假定不满足的情况，采取相应的补救措施或者新的方法。 检验基本假定是否满足的检验称为计量经济学检验 BLUE的优良性 1、最小二乘估计量是线性估计量——估计量是因变量观察值的线性组合 2、最小二乘估计量是无偏估计量——估计量的数学期望等于被估计的参数 3、最小二乘估计量是一切线性、无偏估计量中的最佳估计量，因为它的方差最小 这些性质是由高斯-马尔科夫定理保证的 不满足基本假定使高斯-马尔科夫定理失效 1、随机扰动项的方差不等于常数=异方差 截面数据时，经常出现异方差 2、随机扰动项相关=序列相关 时间序列数据经常出现序列相关 3、随机扰动项具有水平变动=变量误差模型 4、随机扰动项与所有自变量不相关=自变量之间不相关=多重共线 通常不会发生随机扰动项均值=0与非线性模型的假设不满足的情形 回顾6项基本假定 （1）残差纵向变动 （隐含自变量X是确定性变量） （2）E(ei)=0 （随机项均值为零） （3）Var(ei)=?2 （同方差） （4）Cov(ei, ej)=0（随机项无自相关） （5）Cov(x, ei)=0（随机项与解释变量X不相关）==自变量间不相关 （6）数据生成过程为线性过程 （只讨论线性模型） Y=X?+e 基本假定违背的解决办法 1随机扰动项e不是同方差，而是异方差 ==检验是否存在==消除异方差 2随机扰动项e存在序列相关（存在自相关） ==检验是否存在==消除自相关 3解释变量是随机变量，且与e相关 （==误差变量模型——第15章） 4解释变量之间线性相关，存在多重共线 （==模型技术上，只能采用逐步回归、主成分回归、岭回归等） 计量经济学检验 采取补救措施和方法之前，需要根据实际样本资料对模型是否满足这些基本假定逐项进行检验，这种检验称为计量经济学检验。 计量经济学检验仍然是 一种假设检验，它是对 随机扰动项是否满足基 本假定的假设检验。 解决问题的思路 1、违反6项基本假定之一的定义——异方差、自相关、误差变量模型、多重共线的基本概念 2、违反基本假定的原因 3、怎样诊断基本假定的违反 4、消除或减弱对基本假定的违反——出现违反基本假定的补救措施 计量经济学检验有两种基本方法 图示法和解析法 图示法 是利用残差序列绘制出各种图形，以供分析检验使用。包括： 1、时间为X轴，残差e为Y轴的残差序列图 2、因变量估计值y^为X轴，残差e为Y轴的Y^-e散点图 3、解释变量为X轴，残差e（或e2）为Y轴的x-e散点图 4、残差e的直方图 也可以使用误差项的平方来作图 解析法 导出检验统计量的解析式，根据一些准则，进行检验。例如： 1、检验异方差的Goldfeld-Quandt检验 2、检验自相关的Durbin-Watson检验 3、检验多重共线的简单相关系数和综合统计检验法等 讨论问题的思路与步骤 1、违反6项基本假定之一的定义——异方差、自相关、误差变量模型、多重共线的基本概念 2、违反基本假定的原因 3、怎样诊断基本假定的违反——图示法和解析法 4、消除或减弱对基本假定的违反——出现违反基本假定的补救措施 第十章的主要内容 第一节 异方差概述 第二节 如何发现异方差 第三节 异方差的后果 第四节 异方差的解决方法 案例一 个人储蓄模型 案例二 人均消费函数 案例三 分组资料 案例四 我国北方农业产出模型 第一节异方差概述 1、异方差的定义 2、现实社会经济中异方差是很常见的 3、处理截面数据时，尤应注意 4、原因1：使用截面数据研究储蓄函数 5、原因2：用分组资料研究Cobb-Douglass生产函数 异方差的定义 异方差产生的原因1：使用截面数据研究储蓄函数 原因2：用分组资料研究Cobb-Douglass生产函数（参见《应用回归分析》P94 第二节 异方差的检验 （如何发现异方差） 1、图示法 2、解析法 1、图示法及其类型 异方差是指e的方差随着x的变化而变化。 故可以根据x-y或残差x-e2的散点图，对异方差是否存在及其类型作出判断。 异方差大致可分为三种： （1）递增异方差 （2）递减异方差 （3）复杂型异方差 怎样通过Eviews作x-y散点图 Scat y x 回车 （作散点图的命令） 其中 y（第一位）是y轴，x（第二位）是x轴。