计量经济学01课件.pptVIP

§2.6 实例及时间序列问题 说明 本节列举了两个一元线性回归模型实例，完成了建立模型、估计参数、统计检验和预测的过程。 适合于课堂演示或者由学生在计算机上完成。 从理论上讲，经典线性回归模型理论是以随机抽样的截面数据或者平稳的时间序列数据为基础的。对于非平稳时间序列数据，存在理论方法方面的障碍。如何处理？本书第8章将专门讨论。在2—7章中大量采用非平稳时间序列数据作为实例，暂时不考虑理论方法方面的障碍。 说明 考虑到一些学校将一元回归模型作为自学内容，直接从多元回归模型开始讲授，所以本章课件有一部分内容与第2章重复。（主要出现在基本假设和估计方法部分） 如果从一元回归模型开始讲授，可以将本章课件的重复内容略去。 按（***）式估计 按（****）式估计 四、非线性约束 说明 非线性约束检验是建立在最大似然原理基础上的。主要的检验： 最大似然比检验（likelihood ratio test, LR） 沃尔德检验（Wald test, W） 拉格朗日乘数检验（Lagrange multiplier test, LM） 它们的共同特点是：在大样本下，以共同的检验为基础，而自由度就是约束条件的个数。 本节不作为教学内容，供有兴趣的同学自学。 本章说明 基本假定违背主要 包括： 随机误差项序列存在异方差性； 随机误差项序列存在序列相关性； 解释变量之间存在多重共线性； 解释变量是随机变量且与随机误差项相关的随机解释变量问题； 模型设定有偏误； 解释变量的方差不随样本容量的增而收敛。 计量经济检验：对模型基本假定的检验 本章主要讨论前4类 为什么不讨论正态性假设？ William H. Greene(2003), Econometric Analysis In most cases, the zero mean assumption is not restrictive. In view of our description of the source of the disturbances, the conditions of the central limit theorem will generally apply, at least approximately, and the normality assumption will be reasonable in most settings. Except in those cases in which some alternative distribution is assumed, the normality assumption is probably quite reasonable. 实际上：正态性假设的违背 当存在模型关系误差时，如果解释变量是随机的，随机误差项的正态性将得不到保证。 当模型遗漏了显著的变量，如果遗漏的变量是非正态的随机变量，随机误差项将不具有正态性。 如果待估计的模型是原模型经过函数变换得到的，随机误差项将不再服从正态分布。 当模型存在被解释变量的观测误差，如果观测误差相对于随机误差项的标准差特别大、样本长度又特别小，随机误差项的正态性假设会导致显著性水平产生一定程度的扭曲。 当模型存在解释变量观测误差时，一般情况下，随机误差项的正态性假设都是不能成立的；只有在回归函数是线性的，且观测误差分布是正态的特殊情形下，随机误差项的正态性才成立。 步骤 对模型进行OLS估计； 采用散点图检验，表明存在异方差； 采用G-Q检验，表明存在异方差； 经试算，寻找适当的权； 采用WLS估计模型； 采用稳健标准误方法估计模型。 五、案例——中国居民总量消费函数（自学） 步骤 对一元模型进行OLS估计； 进行序列相关检验，存在正相关； 分析产生序列相关的原因，为了消除虚假相关，引入时间趋势项； 估计新模型，经D.W.检验，仍然存在正相关； 进行LM检验，判断存在1阶序列相关； 采用广义差分法估计模型； 采用稳健标准误方法估计模型。 步骤 以粮食产量作为被解释变量，以影响粮食产量的主要因素农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力为解释变量，建立中国粮食生产函数模型； 用OLS法估计模型； 检验简单相关系数； 找出最简单的回归形式； 采用逐步回归方法得到最终模型。 四、解释变量的内生性检验 Hausman检验 如果δ显著为0→υ与Y同期无关→υ与μ同期无关→ X与μ同期无关→X是同期外生变量； 如果δ显著不为0→ υ与Y同期相关→υ与μ同期相关→X与μ同期相关→ X是同期内生变量。 五、例：中国城镇居民人均消费函数（自学） 步骤 以中国城镇居民人均消费为被解释变量，人均可支配收入和前一年城镇居人均消费支出为解释变量，建立模型