科技创新加权最小二乘法.ppt

加权最小二乘法 1、参数OLS估计的方差增大 2、t检验失效，不能拒绝H0的可能性增大， 常常犯纳伪错误 3、降低预测精度 1、异方差参数OLS估计的方差增大 2、t检验失效 3、降低预测精度 由于异方差存在，参数的OLS估计的方差增大，参数OLS估计值的变异程度增大，从而造成Y的预测误差增大，降低了预测的精度。 第四节异方差的解决方法 1。补救异方差的基本思路 2。模型变换法 3。加权最小二乘法 4。“一般解决法—数据变换” 1。补救异方差的基本思路 （1）变异方差为同方差 （2）尽量缓解方差变异的程度 以补救异方差造成的严重后果 严重后果： （A）不再具有最小方差 （B）参数的显著性检验失效 （C）预测精度降低 2。模型变换法 （1）模型变换法的定义 （2）模型变换法的关键 （3）模型变换法的变换过程 （4）实际处理异方差时，f(xi)的常用形式 （5）常用变换举例 （6）利用EViews作模型变换 （1）模型变换法的定义 模型变换法是对存在异方差的总体回归模型作适当的代数变换，使之成为满足同方差假定的模型，然后就可以运用OLS方法估计参数了。 （2）模型变换法的关键 模型变换法的关键是事先对异方差 ?2i = ?2 f( xi )的形式有一个合理的假设。 怎样才能提出合理的假设呢？ （1）通过对具体经济问题的经验分析 （2）通过上述格里奇检验、帕克检验结果所提供的信息加以确定 （3）模型变换法的变换过程 （4）实际处理异方差，f(xi)的常用形式 （5）常用变换举例1 （5`）常用变换举例2 （5``）常用变换举例3 （6）利用EViews作模型变换 以模型变换2为例 GENR Y1=Y/SQR（X） GENR X1=1/SQR（X） GENR X2=X/SQR（X） LS Y1 C X1 X2 3。加权最小二乘法 （1）加权最小二乘法的思路 （2）加权最小二乘法的机理 （3）加权最小二乘法的定义 （4）OLS是加权最小二乘法的特例 （5）加权最小二乘法与模型变换法所得结果是一致 （6）在EViews中实现加权最小二乘法 （1）加权最小二乘法的思路 根据误差最小建立起来的OLS法，同方差下，将各个样本点提供的残差一视同仁是符合情理的。各个ei提供信息的重要程度是一致的。但在异方差下，离散程度大的ei对应的回归直线的位置很不精确，拟合直线时理应不太重视它们提供的信息。即Xi对应的ei偏离大的所提供的信息贡献应打折扣，而偏离小的所提供的信息贡献则应于重视。因此采用权数对残差提供的信息的重要程度作一番校正，以提高估计精度。这就是WLS（加权最小二乘法）的思路。 （2）加权最小二乘法的机理 以递增型为例。设权术WI与异方差的变异趋势相反。Wi=1/?2i。Wi使异方差经受了“压缩”和“扩张”变为同方差。 （3）加权最小二乘法的定义 （4）OLS是加权最小二乘法的特例 显然，当满足同方差假定时， w1 = w2 = ??= wn = 1/?2 = 常数 即权数相等且等于常数，加权最小二乘法，就是OLS法。 （5）加权最小二乘法与模型变换法所得结果是一致 1、请同学们利用案例1的材料自行验证 2、请同学们从数学解析上给予推证 （6）在EViews中实现加权最小二乘法 假定以序列XH为权术，在EViews中，可以在LS命令中使用加权处理方式来完成加权的最小二乘法估计： LS （W=XH） Y C X 4。“一般解决法” 在计量经济学实践中，计量经济学家偏爱使用对数变换解决问题，往往一开始就把数据化为对数形式，再用对数形式数据来构成模型，进行回归估计与分析。 这主要是因为对数形式可以减少异方差和自相关的程度。 案例1——居民储蓄模型估计 1。问题的提出 2。原始数据 3。异方差检验 4。异方差模型的估计 加权LS法和模型变换法 1。问题的提出 储蓄是居民的金融消费，也是满足相应收入水平的“基本生活”以后的扩展消费，从具体问题的经验分析，储蓄具有异方差特性。因此建立储蓄模型就不能使用最小二乘法。对于这类典型的异方差问题（提问：为什么是典型的？），我们应当怎样处理呢？（lx5\yfch) 2。原始数据 3。异方差检验 （1）图示法检验 （2）G-Q检验 （1）图示法检验 LS Y C X GENR E1=resid GENR E2=E1*E1 SCAT E2 X 残差平方和呈比较典型的喇叭型 残差平方与自变量呈比较典型的喇叭型 先请同学们看老师的演示。请同学们亲手验证。 储蓄与收入的散点图 异方差：残差随收入增大而增大 （2）G-Q检验 1。求两个子样回归方程残差平方和 加载(lx4下)yfch.wf工作文件到内存 SORT X 按居民收入排序 SMPL 1