第4章节违背经典假设的回归模型.pptVIP

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 呛口小辣椒博客 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）