计量经济学四五章 李子奈.docxVIP

第四章异方差1.异方差的概念和类型概念：对于模型如果出现即对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性。异方差一般可归结为三种类型： (1)单调递增型： i2随X的增大而增大 (2)单调递减型： i2随X的增大而减小 (3)复杂型：i2与X的变化呈复杂形式2.几种异方差的检验方法（描述原理即可）（1）图示检验法①用X-Y的散点图进行判断：看是否存在明显的散点扩大、缩小或复杂型趋势（即不在一个固定的带型域中）②用X- 的散点图进行判断：看是否形成一斜率为零的直线（2）帕克(Park)检验与戈里瑟(Gleiser)检验选择关于变量X的不同的函数形式，对方程进行估计并进行显著性检验，如果存在某一种函数形式，使得方程显著成立，则说明原模型存在异方差性。（3）G-Q检验先将样本一分为二，对子样①和子样②分别作回归，然后利用两个子样的残差平方和之比构造统计量进行异方差检验。由于该统计量服从F分布，因此假如存在递增的异方差，则F远大于1；反之就会等于1（同方差）、或小于1（递减方差）。（4）怀特（White）检验怀特检验不需要排序，且适合任何形式的异方差。以二元为例先进行OLS回归，得到然后做辅助回归可以证明，在同方差假设下，从该辅助回归所得到的可决系数R2与样本容量n的乘积，渐进地服从自由度为辅助回归方程中解释变量个数的卡方分布：（R2为辅助回归的可决系数，h为辅助回归法人解释变量的个数）如果存在异方差性，则表明确与解释变量的某种组合有显著的相关性，这时往往显示出有较高的可决系数并且某一参数的t检验值较大。3.异方差的后果（1）参数估计量非有效OLS估计量仍然具有无偏性，但不具有有效性。因为在有效性证明中利用了而且，在大样本情况下，尽管参数估计量具有一致性，但仍然不具有渐近有效性。变量的显著性检验失去意义变量的显著性检验中，构造了t统计量 ，它是建立在 不变而正确估计了 的基础之上的，如果出现了异方差性，估计的 出现偏误（偏大或偏小），t检验失去了意义，其他检验也是如此。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，也包含有参数方差的估计量 ，所以，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。4.异方差修正（加权最小二乘法的基本思想、权重的取值）加权最小二乘法的基本思想：加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用OLS估计其参数。加权的基本思想是，在采用OLS方法时: 对较小的残差平方ei2赋予较大的权数； 对较大的残差平方ei2赋予较小的权数。给出异方差检验的Eviews结果，判断是否存在异方差的问题。序列相关性序列相关性的概念如果对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了序列相关性。序列相关性几种检验方法的原理序列相关性检验方法有多种，但基本思路相同：首先，采用OLS法估计模型，以求得随机误差项的“近似估计量”，用 表示，然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。图示法：用 变化图形来判断 的序列相关性回归检验法如果存在某一种函数形式，使得方程显著成立，则说明原模型存在序列相关性。 D .W.检验该方法的假定条件是：解释变量X非随机；随机误差项μi为一阶自回归形式：回归模型中不应含有滞后应变量作为解释变量，即不应出现下列形式： 回归含有截距项针对原假设：H0:ρ=0，构如下造统计量： 该统计量的分布与出现在给定样本中的X值有复杂的关系，因此其精确的分布很难得到。但是，他们成功地导出了临界值的下限dL和上限dU ，且这些上下限只与样本的容量n和解释变量的个数k有关，而与解释变量X的取值无关。 拉格朗日乘数（Lagrange multiplier）检验拉格朗日乘数检验克服了DW检验的缺陷，适合于高阶序列相关以及模型中存在滞后被解释变量的情形。广义差分法的原理广义差分法是将原模型变换为满足OLS法的差分模型，再进行OLS估计。如果原模型存在可以将原模型变换为: 该模型为广义差分模型，不存在序列相关问题。可进行OLS估计。给出Eviews的计算结果，判断是否存在序列相关性的问题多重共线性多重共线性的概念 对于模型 其基本假设之一是解释变量是互相独立的。如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。多重共线性的检验多重共线性表现为解释变量之间具有相关关系，所以用于多重共线性的检验方法主要是统计方法：如判定系数检验法、逐步回归检验法等。多重共线性检验的任务是：检验多重共线性是