北航金融计量学第二节.ppt

加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。 例如，在递增异方差下，对来自较小 的子样本，其真实的总体方差较小， 与回归线拟合值之间的残差 的信度较大，应予以重视; 而对较大 的子样本，由于真实总体的方差较大，残差反映的信息应打折扣。 详细说明 加权最小二乘法就是对加了权重的残差平方和实施OLS法： 对较小的残差平方 赋予较大的权数， 对较大的残差平方 赋予较小的权数。 加权最小二乘法的步骤 设原模型为 随机误差项 具有异方差性，即 不再是常数，而随X的变化而变化。 其中 为常数， 为解释变量 的函数。 当 时， 为同方差； 当 时， 为异方差。用 去乘原模型的两端，得变换后的模型： 记 ，则 具有同方差性。 因为 所以，可以对新模型应用OLS方法，得到 ， 。 注意： 1、若 未知，一般假设 或 。 2、变换后的模型，拟合优度会变小，这是对样本值加权的结果。 3、异方差如果是由于略去重要解释变量引起的，盲目应用WLS方法消除异方差，其参数估计值仍可能是不妥的。应该将重要的解释变量列入模型。 在实际建模过程中，尤其是截面数据作样本时，人们通常并不对原模型进行异方差性检验，而是直接选择加权最小二乘法，尤其是采用截面数据作样本时。 如果确实存在异方差性，则被有效地消除了； 如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法。 广义最小二乘法（Generalized Least Squares） 概念：先对原模型进行变换，使变换后的模型满足假定，然后对变换后的模型应用OLS方法，叫GLS方法。 普通最小二乘法和加权最小二乘法都是它的特例。 GLS方法的应用 普通最小二乘法（OLS）要求计量模型的随机误差项相互独立或序列不相关。如果在序列相关的情况下，仍使用OLS方法估计模型参数，会产生以下后果： 1、参数估计量不再有效； 2、变量的显著性检验失效； 3、模型的预测失效。 广义最小二乘法(GLS)就是一种处理序列相关的方法。 对于模型 用矩阵形式表示为: Y=XB+N 如果存在自相关，同时存在异方差，即有： 不符合经典回归模型的基本假设！ 如何得到矩阵 ？ 通常是对原模型首先采用普通最小二乘法，得到随机误差项的近似估计值，以此构成矩阵 的估计量，即 设 用 左乘式Y=XB+N两边，得到一个新的模型： 即 该新模型具有同方差性和随机误差项互相独立性。因为 （ 为单位矩阵） 于是可以通过普通最小二乘法估计新模型，得到参数估计量为 这就是原模型的广义最小二乘法估计量，是无偏的，有效的估计量。 通常，人们并不对原模型进行异方差性检验和自相关性检验，而是直接选择广义最小二乘法。如果确实存在异方差性和自相关性，则被有效的消除了；如果不存在，则广义最小二乘法等价于普通最小二乘法。 * * * * * * * * * * * * * 观察个股的价格变化与指数的价格走势，会发现在多数情况下，当指数上升，个股的价格也随之上升；反之，当指数下降时，个股的价格也下降。如果我们用价格变化率来表示，即： (2-27) 其中，Pit和It分别为股票i和市场指数在t时刻的价格；Rit和Rmt分别为陆家嘴B股的周收益率和市场指数的周收益率。 用一元线性回归模型对Rit和Rmt之间存在的相关关系，加以研究，形式为： Rit=αi+βiRmt+εt ，t=1，2，…，T（T为样本期数） 其中，βi衡量的是陆家嘴B股价格的变化率水市场指数变化率的敏感程度。 根据计量经济学的有关知识，用最小二乘法，得到： 其中，