第4节 违背经典假设的回归模型.pdfVIP

4 第 章 违背经典假设的回归模型 z 第一节 异方差性 1 违背基本假设的情况 z 在前述基本假定下OLS估计具有BLUE的优良性。 (Best Linear Unbiased Estmator) z 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。 z 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。 z 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 2 BLUE的优良性 z 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 z 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 z 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 z 这些性质是由高斯-马尔科夫定理保证的 3 不满足基本假定使高斯-马尔科夫定理失效 z 1、随机扰动项的方差不等于常数=异方差 y 截面数据时，经常出现异方差 上页 z 2、随机扰动项相关=序列相关 y 时间序列数据经常出现序列相关 z 3、随机扰动项具有水平变动=变量误差模 型 z 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 z 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 4 6 回顾 项基本假定 z （1）残差纵向变动 （隐含自变量X是 确定性变量） z （ ） （随机项均值为零） 2 E(e )=0 i 下页 z （ ） 2 （同方差） 3 Var(e )=σ i z （4）Cov(e , e )=0（随机项无自相关） i j z （5）Cov(x, e )=0（随机项与解释变量X i 不相关）==自变量间不相关 z （6）数据生成过程为线性过程 （只讨 论线性模型） Y=Xβ+e 5 基本假定违背的解决办法 z 1随机扰动项e不是同方差，而是异方差 z ==检验是否存在==消除异方差 z 2随机扰动项e存在序列相关（存在自相关） z ==检验是否存在==消除自相关 z 3解释变量是随机变量，且与e相关 z （==误差变量模型——第15章） z 4解释变量之间线性相关，存在多重共线 z （==模型技术上，只能采用逐步回归、 主成分回归、岭回归等）