异方差习题及自相关1.pptVIP

1下列关于扰动项协方差矩阵的假设，不存在异方差的是（ ） A B C D 2 下列关于异方差表述正确的是（ ） A 单纯的异方差问题对系数估计的一致性没有影响 B 单纯的异方差问题对系数估计的有效性没有影响 C 存在异方差的情况下t检验与F检验仍是准确的 D异方差普遍存在于时间序列数据中 3 下列样本数据最不可能产生异方差的是（ ） A 全国所有企业的年产值数据 B 不同班级的平均分数据 C 成人与少年的身高数据 D 3岁幼儿的牙齿数量 4 下列散点图中最不可能存在异方差的是（ ） A B C D 5 某人用150个样本数据，研究产量、劳动力成本、燃料价格对总成本的影响，如果用怀特检验来检验异方差的存在性，则应该用的统计量为（ ） A. F(3,146） B. t(146) C ?2(9) D F(3,147) 6 某人分别用怀特检验和BP检验来验证异方差的存在性，其结果如下所示，则说法正确的是（ ） A 怀特检验显示不存在异方差 B BP检验显示存在异方差 C 异方差可能是由于解释变量而产生的 D 异方差可能由解释变量的交互项产生 7 某人的计量模型检验存在异方差，并且测算出扰动项的协方差矩阵的估计值为一对角矩阵V(X)，则下列说法正确的是（ ） A 如果用FWLS进行估计权重为V(X)-1 B 最有效的估计是OLS+稳健标准差 C 如果用FWLS进行估计，权重为V(X) D 样本容量较小时可以直接用OLS估计得到一致估计值 何为自相关：违反球型扰动假设的另一情形是自相关。如果i≠j， ，即扰动项的协方差矩阵非主对角线元素不全为0，则称存在“自相关”（autocorrelation)或“序列相关”（serial correlation) 自相关的后果： OLS仍然无偏且一致 OLS估计量依然服从渐进正态分布 OLS估计量方差VAR(b|X)的表达式不再是 ，因此t检验与F检验失效 高斯马尔科夫订立不再成立，即OLS不再是BLUE。 由于自相关的存在，使得根据样本数据估计的回归线上下摆动幅度增大，导致参数估计变得不准确。 时间序列数据：由于经济活动通常具有某种连续性或持久性，自相关现象在时间序列中比较常见。相邻两年的GDP增长率、通货膨胀率。 截面数据中的自相关：一般来说，截面数据不容易出现自相关，但相邻的观测单位之间也可能存在”溢出效应”，这种自相关也称为“空间自相关”（spatial autocorrelation).比如相邻的省份、国家之间的经济活动互相影响；相邻地区的产业产量受类似的天气变化影响；同一社区的房价…… 对数据的人为处理：如果数据中包含移动平均数，内插值或季节调整时，则从理论上可判断存在自相关。统计局提供的某些数据可能已经事先经过了这些人为处理。 设定误差：如果模型设定中遗漏了某个自相关的解释变量，并被纳入到了扰动项中，则会引起扰动项的自相关。 画图：可以将残差et与之后残差et-1画成散点图，也可以画自相关与偏相关图，显示各阶样本自相关系数。 BG检验：考虑扰动项的p阶自回归过程： 检验原假设 。由于扰动项不可观测，故用残差et来代替。并引入所有解释变量（为了消除扰动项与不同期的解释变量相关的情况即不满足严格外生性的情况），考虑以下辅助回归： 由于使用了滞后残差值et-p，损失了p个样本值，故辅助回归的样本容量仅为n-p，使用统计量 如果超过临界值，则拒绝无自相关的假设，这个检验被称为Breusch-Godfrey检验（Breusch,1978;Godfrey,1978)。Davidson and Mackinnon(1993)建议把残差向量e中因滞后而缺失的项用0来代替，以保持样本容量仍为n，使用统计量 这是stata默认的方法 Box-Pierce Q检验：定义残差的各阶样本自相关系数为 用这个自相关系数平方和的n倍作为统计变量。 经过改进的Ljuang-Box Q统计量为 这两种Q统计量在大样本下是等