根据样本容量n和解释变量的数目k.ppt

计量经济学　违背经典假定的回归模型 在前面几章里我们讨论的回归模型中都有一些基本的假定。只有当一个回归模型满足经典假定条件时，才能得到一个较好的估计。然而，在研究实际的社会经济等问题时，经常会遇到一些违背经典假定的情况。 在这些情况下，如果直接用普通最小二乘法建立模型，会得到很不理想的结果。因此,如何处理这些问题，就是我们需要面对的问题。 在这一章里我们将重点讨论模型中出现了违背经典假定的几种情况时的诊断及解决办法。 异方差 序列相关 多重共线性 第一节　异方差性 一、异方差性的概念和产生的原因 异方差性: 在线性模型的基本假定中，关于方差不变的假定不成立，其他假定不变的情形称为异方差性。 【例6.1】按照差错—学习模式,当人们学习时，动作上出现的差错随时间的增加而逐渐减少。如在某一时期内测验打字差错数（Y）与打字实习小时数（X）之间的关系。随着打字实习小时数的增加，打字差错平均字数及它们的方差不是不变的，而是随之减少的。这个模型中就出现了异方差。 在式（6.3）的模型中，因为各户的收入不同，消费观念和习惯的差异，导致消费的差异非常大，模型中存在明显的异方差性。一般情况下，低收入的家庭购买差异性较小，大都购买生活必需品；但是高收入的家庭购买行为差异就很大，高档消费品很多，房子、汽车的规格选择余地也很大，这样购买金额的差异就很大；导致消费模型的随机误差项具有不同的方差。 二、异方差产生的后果 当一个回归模型中的随机误差项存在异方差时，是否可以继续使用普通的最小二乘法？倘若我们仍然使用，将会产生什么样的后果？ 当模型中存在异方差时，普通最小二乘估计存在以下问题。 而且，在大样本情况下，参数估计量也不具有渐近有效性，这就是说参数估计量不具有一致性。 3.回归方程的应用效果极不理想，或者说模型的预测失效。 一方面，由于上述后果，使得模型不具有良好的统计性质；另一方面，在预测值的置信区间中也包含有随机误差项共同的方差 。所以，当模型出现异方差性时，它的预测功能失效。 三、异方差性的检验 对于异方差性的检验，人们进行了大量的研究，提出的诊断方法已有10多种，但没有一个公认的最优方法，下面介绍几种常见的方法。 在EViews软件包中，直接给出了以ei 为纵坐标，以观测时间或序号为横坐标的残差图。 如果回归模型适合于样本数据，那么残差ei 应反映ui 所假定的性质，因此可以根据ei 来判断回归模型ui 是否具有某些性质。一般情况下，当回归模型满足所有假定时，以ei 为纵坐标的残差图上的n 个点散布应是随机的、无任何规律。 进行等级相关系数检验通常有三个步骤： 第一步，作Y 关于X 的普通最小二乘估计，求出ui 的估计值，即ei 的值。 如果 ，则可以认为异方差性问 不存在，如果 ，说明 Xi 和 之间存在系统关系，则说明模型中存在异方差。 在多元的情况下，需对每一个解释变量做等级相关系数检验。只有当每个解释变量检验都不存在异方差时模型中才不存在异方差。否则，模型中存在异方差。 （三）戈德菲尔德－匡特检验（样本分段比检验） 首先将样本按某个解释变量的大小顺序排列，并将样本从中间截成两段；然后各段分别用普通最小二乘法拟合回归模型，并分别计算各段的残差平方和。 由此可构造出检验统计量为 该统计量服从自由度为(n1-k)和(n2-k)的Ｆ分布。在给定的显著性水平 之下，若此统计量Ｆ的值大于临界值 则可认为有异方差的存在。 等等，并检验回归系数 是否为０。 设原假设为 备择假设为 ，应用t 检验判断，如果， 则有异方差。这种方法不仅能检验出模型中存在的异方差，而且把异方差的表现形式找出来便于后面改进时使用。 对于两个解释变量的回归模型 （6.8） 第二步，做如下的辅助回归 我们考虑一元线性回归模型 由于