第五章模型的建立与估计中的问题及对策.pptVIP

第五章 模型的建立与估计中的问题及对策第一节 误设定 一、选择错误的函数形式： 如：将非线性关系作为线性关系处理。 二、模型中遗漏有关的解释变量： 后果：OLS估计量不再是无偏的。 三、模型包括无关的解释变量： 后果：OLS估计量是无偏的，但估计量的方差增大。 第二节 多重共线性 一、多重共线性的定义 对于模型 如果某两个或多个解释变量之间出现多重共线： 其中C不全为0，即某一个解释变量可以用其他解释变量的线性组合表示，则称为完全多重共线性。 完全多重共线性的情况并不多见，一般出现不同程度的多重共线性。 二、实际经济问题中的多重共线 1、产出受规模的限制和影响，产出与投入要素之间 存在正比例关系，以某行业的企业为样本建立企业生产函数，那么解释变量之间存在多重共线。 2、相对收入假设，时间序列数据建立消费函数（当期收入与前期消费相关） 五、多重共线的检验 1、根据回归结果判别 2、相关系数检验 3、VIF检验（辅助回归模型） 4、特征值检验 六、克服多重共线性的办法 1、直接剔除次要共线变量 2、间接剔除重要解释变量 （1）利用附加信息，增加约束 （2）综合使用TS，CS数据 例1、服装需求函数。影响居民服装需求的主要因素有：可支配收入Ｘ、流动资产拥有量K、服装类价格指数P1和总物价指数P0。 二、异方差性产生的原因 例1、使用横截面数据研究储蓄函数。 例2、用分组资料研究C—D函数。 1、模型中遗漏了影响逐渐增大的因素。 2、模型函数形式的设定误差。 3、随机因素的影响导致异常观测值的出现而产生。 三、异方差性的后果 1、OLS估计不再是有效估计 2、无法正确估计参数的标准误差 3、t检验失效 4、降低预测精度 纺锤型 四、异方差性的检验 1、图示检验法 （1）相关图分析 反纺锤型 漏斗型 反漏斗型 2、解析法 （1） Goldfeld-Quandt检验 （3）帕克(Park)检验和戈里瑟(Gleiser)检验 原理：通过建立残差序列对解释变量的回归模型，判 断扰动项与解释变量之间是否存在较强的相关关系。 Ｐark检验模型： Gleijser检验模型： 优点：可以近似地给出异方差的存在形式： ?2i = ?2 f(xi)。以便用模型变换消除异方差。 五、异方差性的解决方法 1、模型变换法： 　　对模型进行变量变换，消除异方差。 一、定义 若随机扰动项各期之间存在相关关系，即： 则称之为自相关或序列相关。 主要出现在时间序列中。 二、自相关的原因及后果 1、模型中遗漏了重要的解释变量： 例如，如果真实的回归方程形式为， 其中，被解释变量表示牛肉需求量，解释变量分别为牛肉价格、消费者收入和猪肉价格。 但是在作回归时用的是， 那么，随机扰动项就会出现系统性模式， 从而造成自相关。 ３、经济惯性（滞后效应）： 由于经济发展的连续性所形成的惯性（或粘滞性），使得经济变量的前后期之间是相互关联的。 例如，在消费支出对收入的时间序列分析中，当期的消费支出除了依赖于收入等其它变量外，还依赖前期的消费支出，如： 设定模型时使用的是， 则可能会出现自相关。因为随机误差项： 三、自相关性的后果 1、参数的OLS估计不再是有效估计 2、 OLS法会低估参数的标准误差 3、t检验的可靠性降低 4、降低模型的预测精度 四、自相关性的检验 1、残差图分析： 2、DW检验(Durbin-Watson)： 简称D—W检验，是目前检验自相关性最常用的方法，只适用于检验一阶自相关，即：et = ρet－1 +vt D—W检验的基本原理和步骤： （1）提出原假设H0：ρ= 0 即et不存在一阶自相关； （2）构造检验统计量： 五、广义最小二乘法GLS 1、当模型同时存在序列相关和异方差 2、通过模型转换（GLS法）消除序列相关和异方差 3、GLS估计模型的步骤 1、当模型同时存在序列相关和异方差 模型 线性 无偏 但序列相关和存在异方差，OLS估计量已经不是有效的 2、通过模型转换（GLS法）消除序列相关和异方差 存在?=DD` ，D-1左乘模型 于是可用OLS估计模型（2），得到参数估计量 如何得到矩阵?？ 首先进行OLS估计得到随机误差项的估计值，以此构造矩阵?。 3、GLS估计模型的步骤 （1）对原模型进行OLS估计，得到?矩阵的估计值 （2）采用前页（3）式，计算其估计量 （3）经验方法，一律采用GLS方法。不存在序列相关及异方差，GLS等价于OLS；否则，就消除了序列相关及异方差，得到