计量经济学教学用基础课件幻灯片.ppt

三、虚拟变量的设置原则应用 虚拟变量的个数须按以下原则确定： 每一定性变量所需的虚拟变量个数要比该定性变量的类别数少1，即如果有m个定性变量，只在模型中引入m-1个虚拟变量。 例：已知冷饮的销售量Y除受k种定量变量Xk的影响外，还受春、夏、秋、冬四季变化的影响，要考察该四季的影响，只需引入三个虚拟变量即可： 则冷饮销售量的模型为： 在上述模型中，若再引入第四个虚拟变量 则冷饮销售模型变量为： 则D1+D2+D3+D4=1,产生完全多重共线性 第七章 计量经济检验 回归分析中可能存在的问题：违背了经典线性回归模型的基本假设。 问题导致的后果：回归结果不可信。 违背经典线性回归的表现 误差项均值非零 异方差 误差序列相关 多重共线性 （一）模型设定偏误 一、问题：不满足模型中误差项均值为零的假设。 二、后果：导致系统性偏差。 三、产生的原因：异常值、规律性扰动、 解释变量缺落及参数变化、变量关系非线性。 四、问题的处理：引入虚拟变量等。（针对产生问题的不同原因寻找解决方法） 1、模型设定偏误的出现 解释变量选择不当 函数形式选择不当 后果：直接导致误差均值非零。 检验：变量显著性检验与残差序列分析 2、异常值问题 （1）异常值的出现 （2）异常值的检验：残差序列图 （3）异常值的克服：引入虚拟变量 3、规律性扰动 （1）规律性扰动的出现 （2）规律性扰动的检验：残差序列图 （3）规律性扰动的克服：引入虚拟变量 （4）应注意的问题：“虚拟变量陷阱” 第八章 多重共线性 一、问题的性质和种类 二、产生的原因 三、多重共线性的后果 四、发现和检验 五、如何克服多重共线性 1、问题的引入 我们所说的多重共线性是解释变量之间存在线性关系。 多重共线性有完全多重共线性和近似多重共线性。在实际问题中，我们很少遇到完全多重共线性问题。 2、产生的原因 完全多重共线性通常由于模型设定偏误引起，如：将完全一致或严格联系的变量同时作为解释变量纳入模型，或虚拟变量设置不当。 近似多重共线性的原因可能是将内在相关性较强的变量纳入同一模型，更经常的原因是经济数据的共同趋势。 3、多重共线性的后果 虽然估计结果仍然是有效的线性无偏估计量，而且一致。但是由于系数标准差增加，带来： 1、普通最小二乘法估计量的精确度下降。 2、回归系数符号错误。 3、置信区间变宽。 4、R2较高，T值则并不显著。 4、多重共线性的检验 1、R2较高，但T值显著的不多，回归系数符号错误。 2、解释变量两两高度相关（通过相关矩阵可以看出解释变量间两两相关系数）。 3、辅助回归检验变量间的相关程度。（每个解释变量分别对其他解释变量回归） 4、方差膨胀因子检验 5、克服多重共线性 1、从模型中删除不重要的解释变量。 2、获取额外的数据或新的样本。 3、重新考虑模型。 4、先验信息。 5、变量变换。如名义变量换为实际变量，总量换为人均。 第九章 异方差 一、异方差：违背了误差项方差为一常数的经典线性回归假设条件。 二、影响：分析结果的有效性降低。 三、发现和判断：残差序列分析及相关的统计检验方法。 四、克服和处理：加权最小二乘法。 异方差的检验 残差序列分析 帕克检验 Glejser检验 WHITE检验 异方差修正——加权最小二乘法 方法思路：根据异方差的具体形式，通过对模型的相应变换，克服异方差。 权重的概念 如何确定权重 WLSGLSFGLS 第十章 误差序列相关 一、问题产生的原因：误差项包含许多复杂因素，某些因素间常有相关性。 二、后果：最小二乘法的估计结果不再是有效、一致的估计量。 三、类型：常见一阶自相关。（自相关的阶数） 四、发现和判断：杜宾——瓦森检验及残差序列分析法等。 五、处理和克服：广义差分法。 1、自相关的类型 （1）自相关的阶数： 一阶自相关（一阶自回归）： 每期的误差项受前一期误差项的影响 二阶自相关：每期的误差项受前两期误差项的影响 。三阶及以上依次类推…… （2）正、负自相关：由自回归系数的正负决定。 2、检验自相关的方法 粗略检验：残差序列分析法(游程检验) 精确检验：DW检验（常用于检验线性回归模型一阶自相关性） （1）原理：考察自相关系数ρ的显著性，构造DW统计量 = 2（1- ρ ） （2）检验步骤： LM检验 DW值的判别 用上下临界值判别： 零假设 条件 决策 无正自相关 0DWdL 拒绝 无正自相关 dL≤ DW≤dU 不确定 无负自相关 4-dLDW4 拒绝 无负自相关 4-dU≤ DW≤4-dL 不确定 无自相关 dUDW4-dU 接受 在EVIEWS中检验误差序列相关 Breusch-Godfrey检验： 从方程工具条上选择 V