支付结算业务的核算PPT.ppt

一般情况下: 对于模型Y=X?+? 存在： 即存在异方差性。 W是一对称正定矩阵，存在一可逆矩阵D使得 W=DD’ 用D-1左乘 Y=X?+? 两边，得到一个新的模型： 该模型具有同方差性。因为 这就是原模型Y=X?+?的加权最小二乘估计量，是无偏、有效的估计量。 这里权矩阵为D-1，它来自于原模型残差项?的方差-协方差矩阵?2W 。 如何得到?2W ？ 从前面的推导过程看，它来自于原模型残差项?的方差—协方差矩阵。因此仍对原模型进行OLS估计，得到随机误差项的近似估计量ěi，以此构成权矩阵的估计量，即 这时可直接以 作为权矩阵。 注意： 在实际操作中人们通常采用如下的经验方法： 不对原模型进行异方差性检验，而是直接选择加权最小二乘法，尤其是采用截面数据作样本时。 如果确实存在异方差，则被有效地消除了； 如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法。 七、案例——中国农村居民人均消费函数 例4.1.4 中国农村居民人均消费支出主要由人均纯收入来决定。 农村人均纯收入包括：(1)从事农业经营的收入；(2)包括从事其他产业的经营性收入(3)工资性收入；(4)财产收入；(4)转移支付收入。 考察从事农业经营的收入(X1)和其他收入(X2)对中国农村居民消费支出(Y)增长的影响: 普通最小二乘法的估计结果： 异方差检验 进一步的统计检验 (1)G-Q检验 将原始数据按X2排成升序，去掉中间的7个数据，得两个容量为12的子样本。 对两个子样本分别作OLS回归，求各自的残差平方和RSS1和RSS2： 子样本1： (3.18) (4.13) (0.94) R2=0.7068， RSS1=0.0648 子样本2： (0.43) (0.73) (6.53) R2=0.8339， RSS2=0.2729 计算F统计量： F= RSS2/RSS1=0.2792/0.0648=4.31 查表 给定?=5%，查得临界值 F0.05(9,9)=2.97 判断 F F0.05(9,9) 否定两组子样方差相同的假设，从而该总体随机项存在递增异方差性。 （2）怀特检验 作辅助回归: （-0.04 (0.10) (0.21) (-0.12) (1.47) (-1.11) R2 =0.4638 似乎没有哪个参数的t检验是显著的 。但 n R2 =31*0.4638=14.38 ?=5%下，临界值 ?20.05(5)=11.07，拒绝同方差性。 去掉交叉项后的辅助回归结果 (1.36) (-0.64) (064) (-2.76) (2.90) R2 =0.4374 X2项与X2的平方项的参数的t检验是显著的，且 n R2 =31? 0.4374=13.56 ?=5%下，临界值 ?20.05(4)=9.49，拒绝同方差的原假设。 原模型的加权最小二乘回归 对原模型进行OLS估计，得到随机误差项的近似估计量ěi，以此构成权矩阵?2W的估计量； 再以1/| ěi|为权重进行WLS估计，得 各项统计检验指标全面改善 一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、案例 §4.2 序列相关性 一、序列相关性概念 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(Serial Correlation)。 对于模型 Yi=?0+?1X1i+?2X2i+…+?kXki+?i i=1,2, …,n 随机项互不相关的基本假设表现为 Cov(?i , ?j)=0 i?j, i,j=1,2, …,n 第四章 经典单方程计量经济学模型：放宽基本假定的