统计分析与方法-第七章回归分析2-异方差与自相关.pptVIP

下载本文档

6
0
约7.2千字
约 65页
2017-07-04 发布于四川
举报
版权申诉

统计分析与方法-第七章回归分析2-异方差与自相关.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

回归分析——异方差与自相关分析应用最小二乘法的前提—— 符合高斯假设只有满足高斯假设，用最小二乘法估计出来的回归参数才是无偏的，有效的。高斯假设主要是针对随机误差项的。图示检验法如果大部分落点在第二、四象限，表明随即扰动项存在负的自相关。例题-居民收入与消费残差图是否存在误差序列相关-D.W检验 DW检验的局限 DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断。这时只有增大样本量或采用其他方法； DW统计量的上下界表要求n15,这是因为样本如果再小，利用残差很难对自相关的存在性作出比较正确的诊断； DW检验不适应随机项具有高阶序列相关的检验。自相关问题的处理方法-迭代法再用最小二乘法进行回归。如果误差项确实是一阶自相关模型，通过以上变换，可以消除自相关，迭代到此结束。本例中：说明误差项中存在中度自相关例题-收入与消费用迭代进行回归：查DW表，得dL=1.16，dU=1.39 由于1.161.3741.39，所以DW检验落入不确定区域例题-收入与消费进行第二步迭代，此时，由于dL=1.16，dU=1.39，DW=1.697 所以，1.391.6974-1.39=2.61 因此，DW值落在无自相关区域。 DW=1.569, 1.569dU=1.39 可知残差序列不存在自相关。但是差分法的标准误差为29.34，大于一步迭代法的误差26.15 因为本例中的自相关系数=0.564，远小于1，因此差分法的效果低于迭代法。做过原点的回归，在option选项里选择即可 * 多元加权最小二乘估计多元线性回归有多个自变量，通常取权函数W为某个自变量的幂函数但是应该取哪一个自变量呢？这只需计算每个自变量与普通残差的等级相关系数，选取等级相关系数最大的自变量构造权函数。多元加权最小二乘估计例题研究北京市各经济开发区经济发展与招商投资的关系因变量y：各开发区的销售收入（百万元）自变量x： x1为各开发区累计招商数目 x2为招商企业注册资本（百万元）自变量与误差绝对值之间的等级相关系数因此选取注册资本构造权函数最优权数的幂指数确定 Source variable.. 注册资本 Dependent variable.. 销售收入 Log-likelihood Function = -125.581891 POWER value = -2.000 Log-likelihood Function = -122.148284 POWER value = -1.500 Log-likelihood Function = -118.756247 POWER value = -1.000 Log-likelihood Function = -115.440464 POWER value = -.500 Log-likelihood Function = -112.257523 POWER value = .000 Log-likelihood Function = -109.297553 POWER value = .500 Log-likelihood Function = -106.695645 POWER value = 1.000 Log-likelihood Function = -104.627066 POWER value = 1.500 Log-likelihood Function = -103.261903 POWER value = 2.000 Log-likelihood Function = -102.682848 POWER value = 2.500 Log-likelihood Function = -102.833168 POWER value = 3.000 The Value of POWER Maximizing Log-likelihood Function = 2.500 模型的评估 Multiple R .92163 R Square .84941 Adjusted R Square .82431 Standard Error .03238 方差分析 Analysis of Variance: DF Sum of Squares M