[工程科技]现代统计分析方法与应用第6章：违背基本假设的回归分析.ppt

第1节 关于异方差性问题 (三)实际经济问题中的异方差性 例6.1：截面资料下研究居民家庭的储蓄行为 Yi=?0+?1Xi+εi Yi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入 1、自相关性产生的背景和原因 2、自相关性带来的问题 3、自相关性的诊断 4、自相关问题的处理方法 1、遗漏关键变量时会产生序列的自相关性 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。 1、多重共线性产生的经济背景和原因 2、多重共线性对回归模型的影响 3、多重共线性的诊断 4、消除多重共线性的方法 近似共线性下，可以得到OLS参数估计量，但参数估计量方差的表达式为： 多重共线性检验的任务是： ⑴检验多重共线性是否存在； ⑵估计多重共线性的范围，即判断哪些变量之间存在共线性。 式中：Rj?2为第j个自变量对其他自变量的回归方程的决定系数，若存在较强的共线性，则Rj?2较大且接近于1，这时(1- Rj?2)较小，从而Fj的值较大。 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。 杜宾和瓦森针对原假设：H0: ?=0， 即不存在一阶自回归，构如下造统计量： 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和自变量的数目p有关，而与解释变量x的取值无关。 下面通过推导给出D.W的取值范围： 如果认为 与 近似相等，则： 同样，如果认为 与 近似相等，则： 因此，D.W可以写为： 因而，D.W与 的对应关系为： D.W检验步骤: ⑴计算D.W值 ⑵给定?，根据样本容量n和自变量的个数(包括常数项)k的大小查D.W分布表，得临界值dL和dU ⑶比较、判断： 0 dL dU 2 4-dU 4-dL 正相关 不能确定 无自相关 不能确定 负相关 用图形表达为： 由图可以看到，D.W=2的左右，有一个较大的无自相关区域。 需要注意的是，D.W检验尽管有着广泛的应用，但也有明显的缺点和 局限性： 1、D.W检验有一个不能确定的区域，一旦D.W值落在这个区域，就无法判断。这时，只有增大样本容量或选取其他方法。 2、D.W统计量的上、下界表要求n15，这是因为样本如果再小，利用残差就很难对自相关的存在性作出比较正确的诊断。 3、D.W检验不适合随机项具有高阶序列相关的检验。 四、自相关问题的处理方法 当一个回归模型存在序列相关性时，首先要查明序列相关产生的原因。如果是回归模型选用不当，则应改用适当的回归模型；如果是缺少重要的自变量，则应增加自变量；如果以上两种方法不能消除序列相关性，则需采用差分法、自回归法、移动平均法，或者这些方法的综合运用等方法处理，这些方法属于时间数列分析的范畴。 (一)迭代法 设一元线性回归模型的误差项存在一阶自相关： 根据一元线性回归模型，有： ⑵ ⑶ ⑷ ⑴ 将⑷式两端乘以ρ，再用⑴式减去⑷式得： 在⑸式中，令： ⑸ 于是⑸式变为： 模型⑹有独立随机误差项，它已经满足线性回归模型的基本假设，用普通最小二乘法估计的参数估计量具有通常的优良性。 由于自相关系数ρ是未知的，需要对其进行估计，由： 得： ⑹ ⑺ (二)差分法 差分法就是用增量数据代替原来的样本数据，将原来的回归模型变为差分形式的模型。一阶差分法通常适用于原模型存在较高程度的一阶自相关的情况。 ⑻ ρ=1时，模型 变为： 设： 代入⑻式得： ⑼式不存在自相关。 ⑼ 计算出 后，代入式⑹式，计算出 和 ，然后用⑺作普通最小二乘回归，如果误差项确实是式 的一阶自相关模型，通过以上变换，模型 已消除自相关，迭代结束。 对⑼式回归方程仍用最小二乘法对参数进行估计，得： 一阶差分方程的应用条件是自相关系数ρ=1。在实际应用中， ρ接近1时，就采用差分法而不使用迭代法，原因： ⑴迭代法需要用样本估计自相关系数ρ，对ρ的估计误差会影响迭代法的使用效率； ⑵差分法比迭代法简单。 (三)实例分析 [例6.5] 我国1986-2005年全国人均消费额与人均国民收入数据如下表： 对例6.5利用SPSS进行分析： ⑴点击Analyze