异方差多重共线性自相关的总结.docVIP

原因 后果 检验方法 补救措施 多重共线性 经济变量之间具有共同变化趋势。 在截面数据中，变量间从经济意义上具有密切的关联度。 3.模型中包含滞后变量。 4.样本数据自身的原因。 简单相关系数检验法 方差膨胀因子法 直观判断法 逐步回归检测法 经验方法 逐步回归法 模型设定误差 数据的测量误差 截面数据中总体各单位的差异 图示检验法 Goldfeld-Quanadt检验 White检验 ARCH检验 、Glejser检验 示检验法 DW检验法 相关图和Q统计量 序列相关LM检验 广义差分法 科克伦－奥克特迭代法 一阶差分法 利用解释变量之间的线性相关程度去判断是否存在严重多重共线性较高的简单相关系数只是多重共线性存在的充分条件，而不是必要条件。因此并不能简单地依据相关系数进行多重共线性的准确判断，可以结合交叉相关系数。 Group窗口的view/Group窗口的view/cross correlation/输入滞后期设定/ 输出结果阅读：看是否超出2倍标准差线 方差膨胀因子法 以为被解释变量，对其他解释变量做辅助回归。该辅助回归的可决系数为 引入方差扩大因子，即； 度量了与其他解释变量的线性相关程度，这种相关程度越强，说明变量之间的多重共线性越严重，也就越大；方差膨胀因子越接近于1，多重共线性越弱。 直观判断法 参数估计值有很大的偶然性。 参数显著性检验未通过。 经济意义检验未通过。 相关系数大。 逐步回归检测法 将变量逐个的引入模型，每引入一个解释变量后，都要进行Ｆ检验，并对已经选入的解释变量逐个进行t 检验。当原来引入的解释变量由于后面解释变量的引入而变得不再显著时 当原来引入的解释变量由于后面解释变量的引入而变得不再显著时，就存在多重共线性。 检验方法 基本方法 特点 异方差性 图示检验法 Goldfeld-Quanadt检验 将样本分为两部分；然后分别对两个样本进行回归；并通过计算两个子样的残差平方和的比来判断两子样的剩余平方和是否存在明显差异，以此为统计量来判断是否存在异方差。 （1）适用于大样本； （2）检验递增型或递减型异方差； （3）只能判断异方差是否存在，在多个解释变量的情下，对哪一个变量引起异方差的判断存在局限； （4）该检验的功效取决于C，C值越大，检验功效越好； （5）两个子样回归所用的观测值个数如果不相等时，也可以用该检验，需要通过改变自由度和统计量的计算公式来调整； （6）当模型中包含多个解释变量时，应对每个可能引起异方差的解释变量都进行检验。 White检验 构造残差平方序列与解释变量之间的辅助函数，通过判断辅助函数的显著性来判断原方程是否存在异方差。 （1）要求变量的取值为大样本； （2）适用于各种类型的异方差检验； （3）不仅能够检验异方差的存在性，同时在多变量的 情况下，还能判断出是哪一个变量引起的异方差； （4）辅助回归中可引入解释变量的相对于原模型的更高次幂； （5）在多元回归中，由于解释变量个数太多，可去掉辅助回归式中解释变量的交叉项。 ARCH检验 在时间序列数据中，可认为存在的异方差性为ARCH过程，并通过检验这一过程是否成立来判断是否存在异方差。 （1）变量的样本值为大样本； （2）数据是时间序列数据； （3）只能判断模型中是否存在异方差，而不能诊断出哪一个变量引起的异方差。 Glejser检验 由OLS法得到残差，取得绝对值，然后将对某个解释变量回归，根据回归模型的显著性和拟合优度来判断是否存在异方差。 （1）可用于各种类型的异方差检验； （2）由于异方差形式未知，因此需要进行各种测试； （3）不仅能对异方差的存在进行判断，还能给出异方差的具体形式； （4）该检验要求变量的观测值为大样本。 基本方法 适用情况/前提条件 局限性 自相关 图示检验法 图示法是一种直观的诊断方法，它是把给定的回归模型直接用普通最小二乘法估计参数，求出残差项， 作为随机项的真实估计值，再描绘 的散点图，根据图形来判断的相关性。 DW检验法 解释变量X为非随机的； 随机误差项为一阶自回归形式，即，其中满足古典假定； 线性回归模型中不应含有滞后内生变量作为解释变量 ； 模型的截距项不为零 ； 数据无缺失项 。 （7）只能用于检验随机误差项具有一阶自回归形式的自相关问题。 相关图和Q统计量 应用所估计回归方程残差序列的自相关和偏自相关系数，以及Ljung-Box Q - 统计量来检验序列相关。在方程工具栏选择View/Residual Tests/correlogram-Q-statistics 。EViews将显示残差的自相关和偏自相关函数以及对应于高阶序列相关的Ljung-Box Q统计量。当滞后期为p时，柱体没有超过