[经济学]第4章 违背基本假设的情况.pptVIP

异常值原因 异常值消除方法 1.数据登记误差，存在抄写或录入 的错误 重新核实数据 2.数据测量误差 重新测量数据 3.数据随机误差 删除或重新观测异常值数据 4.缺少重要自变量 增加必要的自变量 5.缺少观测数据 增加观测数据，适当扩大自变量取值范围 6.存在异方差 采用加权线性回归 7.模型选用错误，线性模型不适用 改用非线性回归模型 序号 x1 x2 y ei SREi e（i） SRE（i） chii Di 1 25 3547.79 553.96 -890 -1.149 -1165 -1.1658 0.2341 0.1360 2 20 896.34 208.55 20 0.135 23 0.1293 0.0604 0.0009 3 6 750.32 3.10 -93 -0.795 -110 -0.7824 0.0501 0.0385 4 1001 2087.05 2815.40 403 1.175 716 1.1963 0.4294 0.3581 5 525 1639.31 1052.12 -343 -1.135 -429 -1.1498 0.1864 0.1081 6 825 3357.70 3427.00 715 0.937 841 0.9320 0.1471 0.0515 7 120 808.47 442.82 126 0.949 139 0.9448 0.0093 0.0318 8 28 520.27 70.12 45 0.717 74 0.7015 0.1339 0.1115 9 7 671.13 122.24 62 0.617 76 0.6008 0.0463 0.0287 10 532 2863.32 1400.00 -582 -0.926 -677 -0.9199 0.1366 0.0466 11 75 1160.00 464.00 58 0.281 65 0.2702 0.0748 0.0033 12 40 862.75 7.50 -199 -1.391 -223 -1.4544 0.0324 0.0765 13 187 672.99 224.18 -143 -1.611 -224 -1.7424 0.2272 0.4951 14 122 901.76 538.94 175 1.137 189 1.1528 0.0112 0.0360 15 74 3546.18 2442.79 916 1.173 1179 1.1939 0.2209 0.1317 采用加权最小二乘回归后，删除学生化残差SRE（i）的绝对值最大者为|SRE（13）|=1.7424，库克距离都在0.5至1.0之间，说明数据没有异常值。这个例子也说明了用加权最小二乘法处理异方差性问题的有效性。 2.按照时间顺序绘制回归残差项et的图形。 如果et随着t的变化逐次有规律地变化，呈现锯齿形或循环形状的变化，就可断言et存在相关，表明 存在着序列相关。 随机扰动项 存在负序列相关，称为蛛网模型现象 表明随机扰动项 存在正的序列相关 误差序列ε1,ε2,…,εn的自相关系数定义为 自相关系数 的估计值为 （二）自相关系数法 的取值范围为【-1，1】，当 接近1时，表明误差序列存在正相关，当 接近-1时，表明误差序列存在负相关， 的真实值是未知的。故得： 与样本量n有关，需要做统计显著性检验才能确定自相关性的存在 。 （三）D.W检验 D.W检验是J.Durbin和G.S.Watson于1951年提出的一种适用于小样本的一种检验方法。 D.W检验验只能用于检验随机扰动项具有一阶自回归形式的序列相关问题。 这种检验方法是建立计量经济学模型中最常用的方法,一般的计算机软件都可自动产生出D.W值。 随机扰动项的一阶自回归形式为: εt=ρεt-1+ut 其中ut是不相关序列。 为了检验序列的相关性,构造的假设是 H0:ρ=0 定义检验上述假设的D.W统计量为: 其中 下面我们推导DW值的取值范围 如果 近似相等，则 得 由此即得D.W的取值范围为:0≤D.W≤4 如下为：DW值与 的对应关系表4.4 同样，如果 近似相等，则 因而D.W值与 的对应关系为 D.W 误差项的自相关性 -1 4 完全负自相关 （-1，0） （2，4） 负自相关 0 2 无自相关 （0，1） （0，2） 正自相关 1 0 完全正自相关 根据样本容量n