第三章经典单方程计量经济学模型课件.ppt

第三章 经典单方程计量经济学模型：放宽基本假定的模型 第一节 误设定的诊断与处理 第二节 多重共线性的诊断与对策 第三节 异方差的诊断与处理 第四节 自相关的诊断与处理 第五节 随机解释变量问题（工具变量法） 第一节 误设定 模型设定误差的类型一般有： 遗漏了重要的解释变量； 模型包含无关的解释变量； 采用了不正确的函数形式。 模型设定误差的检验 （1） 模型是否包含无关解释变量的检验 对模型中是否包含无关解释变量的检验，就是对模型解释变量的参数是否为0的检验 （2）模型遗漏重要解释变量和采用错误函数形式的检验 1）残差图示法检验 2）一般性设定偏误检验：拉姆齐（Ramsey）的RESET检验 拉姆齐的RESET检验的EViews实现： 选择Equation工具栏中的View\Stability Test\Ramsey RESET Test功能。 例7 本实验采用的数据是美国25家主要金属行业的产出Y、资本投入K以及劳动投入L。（table3-2.wf1）。有人认为估计模型为LnY=LnA+aLnK+bLnL，利用Ramsey RESET检验来判断模型是否存在模型设定误差。检验的原假设是：模型不存在设定误差。 第二节 多重共线性的诊断与对策 一般地，如果模型的F很大， F检验通过，但有些系数不能通过t检验，或模型的自变量之间简单相关系数很高，或回归系数的符号与简单相关系数的符号相反，都有理由怀疑存在多重共线性。 另外，方差扩大因子法也是诊断多重共线性的常用手段。 其中 是把xj作为因变量，其余p-1个自变量作为自变量建立多元线性回归模型所得的决定系数，也即xj与其余p-1个自变量间的复相关系数。 当存在某变量的VIF，大于10时就可认为自变量间有比较严重的共线性。还可以用所有p个自变量所对应的方差扩大因子的平均数，如远大于10时，表示自变量间存在严重的共线性。 EViews不能直接计算自变量的方差扩大因子，需根据前述公式计算得到 一般情况下并不需要对共线性进行特别的检验，但如果回归方程的可决系数很高，或F值很大，而系数的标准差较大（t值很小），则说明解释变量间存在较严重的多重共线性。 当自变量出现共线性时，应设法消除其影响，一方面从收集数据，增大样本容量考虑，一方面改变模型形式。 常用的方法有: 剔除法。设法找到引起共线性的变量并给予剔除。这涉及到剔除的准则问题，通常可选择VIF值最大或未通过系数显著性检验的变量进行剔除，剔除时最好结合testdrop检验，检验剔除自变量是否对模型不利。 差分法。将原模型变形，在建模过程中在方程定义栏中输入 y-y(-1) x1-x1(-1) … xp-xp(-1) . 差分常常会丢失一些信息，使用时应慎重。 增加样本容量。 利用先验信息改变参数的约束形式 变换模型的形式 逐步回归法 主成分回归 案例——中国粮食生产函数 根据理论和经验分析，影响粮食生产（Y）的主要因素有： 农业化肥施用量（X1）；粮食播种面积(X2) 成灾面积(X3); 农业机械总动力(X4); 农业劳动力(X5) 1、用OLS法估计上述模型： R2接近于1； 给定?=5%，得F临界值 F0.05(5,12)=3.11 F=638.4 15.19， 故认上述粮食生产的总体线性关系显著成立。 但X4 、X5 的参数未通过t检验，且符号不正确，故解释变量间可能存在多重共线性。 2、检验简单相关系数 （1）相关系数检验。在命令窗口输入： COR X1 X2 X3 X4 X5，或者在变量组窗口，点击VIEW-CORRELATION 2、检验简单相关系数 发现： X1与X4间存在高度相关性。 （2）方差膨胀因子检验。 先建立每个解释变量对其余解释变量的辅助回归模型。EVIEWS可以调用已建方程的回归系数。 调用的格式是：equation_name.@contents，其中前面是已建方程的名称，contents包括已建方程中的系数和统计量，常用的有coef(n), 表示系数向量矩阵的第n个元素，R2是拟合优度等。这样调用可以重新输入带来的一些不必要的麻烦。 计算X1的VIF值。首先建立一个方程，不妨命名为eqx1。它是以x1为因变量，其余变量为自变量建立的方程，然后在主窗口命令行输入 scalar vifx1=1/(1-eqx1.@R2), 该命令的意思是建立一个取值为上式的标量vifx1，其中R2是R2.执行后主窗口的左下角状态栏上会出现：“vifx1 successfully created”的字样，同时工作表