4.1第四章 经典单方程计量经济学模型.ppt

4.5异方差的修正 运用WLS estimate→options→weighted ls/tsls→1/abs(err)→ok 第一步，先试验以1/|e1|）为权重。在不知道异方差的具体形式时，通常先以原模型回归残差绝对值的倒数（即1/|e1|）为权重进行WLS估计(要确保e1中保存的是从原模型回归的残差resid中调出来的数据)（有时也许还要尝试其他权数形式） EViews: 在原回归模型输出窗口中点击Estimate，在打开的窗口中点击Options, 在打开的窗口选中Weighted LS/TSLS，在Weight框中填写权数序列“1/ABS(e1)”，点OK，输出WLS估计模型。 第二步,寻找其他权重。(如果选择10%显著水平，检验就通过了)如果坚持5%显著水平，则需要进一步探究各种类型的“残差与自变量关系式”。 第三步,利用新权重进行WLS估计和检验。如在原回归模型输出窗口中点击Estimate，在打开的窗口中点击Options, 在打开的窗口选中Weighted LS/TSLS，在Weight框中填写权数序列“1/e2”，点OK，输出WLS估计模型。 本节思考题 1.违背线性回归模型基本假设(或经典假设、高斯假设)主要有哪几种情况？ 2.什么是计量经济学检验？ 3.为什么要进行计量经济学检验？ 4.简述异方差性的含义和类型。 5.举例说明实际经济问题中的异方差性主要有哪几种情况？ 6.简述异方差性的后果。 7.简述异方差性的检验思路。 8.简述异方差性的检验图示法和怀特法。 9.简述用加权最小二乘法(WLS)修正异方差的思路。 10.熟练运用EViews检验和修正异方差。 1．相关图检验法 LS Y C X 对模型进行参数估计 GENR E=RESID 求出残差序列 GENR E2=E^2 求出残差的平方序列 SORT X 对解释变量X排序 SCAT X E2 画出残差平方与解释变量X的相关图 命令： 2．戈德菲尔德——匡特检验 已知样本容量n=26，去掉中间6个样本点（即约n/4），形成两个样本容量均为10的子样本。 SORT X 将样本数据关于X排序 SMPL 1 10 确定子样本1 LS Y C X 求出子样本1的回归平方和RSS1 SMPL 17 26 确定子样本2 LS Y C X 求出子样本2的回归平方和RSS2 计算F统计量并做出判断。 3．加权最小二乘法 LS Y C X 最小二乘法估计，得到残差序列 GRNR E1=ABS(RESID) 生成残差绝对值序列 LS(W=1/E1) Y C X 以E1为权数进行加权最小二成估计 * 例如，如果对一多元模型，经检验知： 加权后的新模型中，存在 即满足同方差性，可用OLS法估计。估计量具有BLUE性质。权数是 由于一般不知道异方差的具体形式，通常以“原模型回归残差绝对值的倒数”为权重进行WLS估计。 可见，OLS只是WLS权数取1的特例，所以加权最小二乘法（WLS）也称广义最小二乘法(GLS)。 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 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。 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