5违背假设模型.pptVIP

第四章 违背古典假定 的计量经济问题 ☆概述 ☆异方差 ☆自相关 ☆随机解释变量 ☆多重共线性 第一节 概述 一、古典假定 假定1：随机项ui具有零均值： E(ui)=0 i=1,2, …, n 假定2：随机项ui具有同方差： Var (ui)=?u2 i=1,2, …, n 假定3：随机项ui无序列相关性： Cov(ui , uj)=0 i≠j i,j= 1,2, …, n 假定4：随机项u与解释变量x之间不相关： Cov(xi, ui)=0 i=1,2, …, n 假定5： u服从正态分布 ui ~ N(0, ?u2 ) i=1,2, …, n 假定6： 多元回归模型中解释变量之间不存在多重共线性 rank(X)=k+1 k+1＜n 根据Gauss-Markov定理可知，古典回归模型的最小二乘估计量（OLSE）是线性无偏有效的估计量，而且由于正态性假定，它们服从正态分布的。因此，就有可能得出区间估计式，而且也可以检验真实总体回归系数。 二、古典假定的违背及造成的后果 在实际经济问题中，上述的古典假定不一定都能得到满足。如果这些假定不完全满足，则OLSE的BLUE特性将不复存在。当然，每一个假定不满足所造成的后果是不同的。在本章中，我们将严格考察上述假定，找出如果有一个或多个假定得不到满足时，估计量的性质将会发生什么变化 ,并研究当出现这些情况时，应该如何处理，即古典模型假定违背的经济计量问题。 三、广义最小二乘法（GLS） 给定线性回归模型 Y = Xβ + U 若古典假定完全满足，根据Gauss-Markov定理，其系数的最小二乘估计量 B ＝(XT X) –1 XT Y 具有 BLUE性质。 若古典假定得不到完全满足，特别是假定2（同方差性）和假定3（无序列相关性）得不到满足时，对OLSE的影响更大。 广义最小二乘法（General Least Squares－GLS） 就是为了解决上述问题提出的。其基本思路是：若 假 定2（同方差性）和假定3（无序列相关性）得不到满 足时，我们可以采取适当的变换，使原模型变为以下 的形式： 此时可以觅得一个n×n的非奇异矩阵P，使得： PΩ PT=I 然后用觅得的P乘以原模型的两边，有： PY=PXβ+PU 记 原模型就转换为： 可证明转换后的模型其随机项满足同方差性和无序 列相关性，即可以采用OLS估计参数了。 第二节 异方差性 异方差举例 例1：截面资料下研究居民家庭的储蓄行为 yi = ?0 + ?1 xi + ui yi：第i个家庭的储蓄额 xi：第i个家庭的可支配收入 高收入家庭：储蓄的差异较大 低收入家庭：储蓄则更有规律性，差异较小 ui的方差呈现单调递增型变化 异方差产生的原因 二、异方差产生的后果 3 、参数方差的估计量是有偏的 虽然最小二乘法参数的估计量是无偏的，但这些参数方差的估计量、是有偏的。正的偏差会高估参数估计值的真实方差，负的偏差会低估参数估计值的真实方差。 三、异方差性的检验 检验思路： （四）Spearman等级（秩）相关检验 这是一种非参数检验。方法为： 1. 利用最小二乘法对模型进行回归，计算残差 ei及其绝对值|ei|； 2. 给出x的每个xi的位次和|ei|的位次； 3. 计算每个样本点的xi的位次和|ei|的位次的差 di 4. 计算Spearman等级（秩）相关系数： 上述统计量服从自由度为（n－2）的t分布。对应给定显著性水平的临界值tα/2(n-2)，若t≤tα/2(n-2) ，则认为不存在异方差，若t＞tα/2(n-2) ，则认为存在异方差。 （四）怀特（White）检验 四、异方差的消除方法 注意: 加权最小二乘法的思路很简单，但在具体实践中有关随机项方差的信息极少，我们很难找出真实的随机项方差σi2 。因此加权最小二乘法仅是理论上的存在，实际上往往很难使用它。所