计量经济学教学第三章.pptVIP

第三章 放宽基本假定的回归模型 称为一阶列相关，或自相关（autocorrelation）。 　　又如：如果真实的边际成本回归模型应为： Yt= ?0+?1Xt+?2Xt2+?t 其中：Y=边际成本，X=产出。 　　但建模时设立了如下模型： Yt= ?0+?1Xt+vt 因此，由于vt= ?2Xt2+?t, ，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。 例如：季度数据来自月度数据的简单平均，这种平均的计算减弱了每月数据的波动性，从而使随机干扰项出现序列相关。 　　在Eview软件包下，广义差分采用了科克伦-奥科特（Cochrane-Orcutt）迭代法估计?。 　　在解释变量中引入AR(1)、AR(2)、…，即可得到参数?1、 ?2、…的估计值。其中AR(m)表示随机误差项的m阶自回归。 注1：此时的样本容量为28. 注2：AR(1)的系数0.748为一阶序列相关系数。 注：辅助回归模型检验不仅能检验多元回归模型的多重共线性，而且还可以得到多重共线性的具体形式，这有助于分析如何消除多重共线性的影响。 显然，方差协方差矩阵是正定矩阵，实对称正定矩阵与单位矩阵合同。 答案：合理，因为这是两个不同的模型，前一模型因为伪回归造成高拟合优度的假象（即单独用X解释Y，解释程度被高估）。但修正模型形式后（用X和T共同解释Y）就成了另一模型，这一模型的拟合优度有一般会高于原模型（模型时间项的形式引入正确的前提下），因为造成原模型伪回归的时间趋势被引入到时间项中来了，从而模型整体的拟合优度会被提高。 Eviews进行戈里瑟和帕克检验。戈里瑟检验：LS y c x 回车后再输入GENR E=abs(resid) （GENR的作用是生成新变量，或这也可以说是赋值命令），最后将E按各种形式进行回归。帕克检验：LS y c x回车后输入 GENR lnE2=log(resid^2)，再回车输入GENR lnx=log(x)，最后建立模型：ls lnE2 c lnx 注3：原模型的参数与新模型的参数相同，因此对新模型的参数进行OLS估计，就可以得到原模型的的参数估计值，并且原模型参数检验情况与新模型完全一样，但新模型的可决系数与原模型的可决系数不同，因此新模型的可决系数只有参考意义，要想知道原模型拟合优度，需利用估计出的结果重新计算。 关于说明2：对于同方差的模型，WLS估计与OLS估计实际上是一致的。因此，人们通常采用经验方法，即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估计，尤其是采用截面数据作样本时。如果确实存在异方差性，则被有效的消除；如果不存在异方差，则WLS估计等价于OLS估计。 注：在EViews中加权最小二乘是按模型变换的形式进行的，所以权数输入是1/|ei|。R软件中加权最小二乘是按照残差加权形式进行的，所以权数输入为1/ei2。 说明：由于序列相关性经常出现在以时间序列为样本的模型中，因此，本节将用下标t代表i。说明2：对于一般经济现象而言，两个随机项在时间上相隔越远，前者对后者的影响就越小。如果存在自相关的话，最强的自相关应表现在相邻的两个随机项之间，即一阶自相关是主要的。 说明：遗漏的X3影响Y（或v）的话，则由于X3的取值来自同一系统，比相互关联，如X3为收入，上个月收入与下个月收入密切相关（来自同一系统，如同一人、同一水平） 说明：原因2，3导致的异方差称为假性异方差，因为可以通过增加解释变量和改变模型形式直接消除异方差，而其他原因导致的则不能。 引语：如果模型被检验证明存在序列相关性，则需要发展新的方法估计模型。 关于说明2的补充：由于广义差分法要求确定方差和协方差矩阵，但该矩阵较难确定（不同自相关结构有不同形式），因此实际中广义差分法要应用得更多一些。 　　（四）主成分回归 　　运用逐步回归克服多重共线性有以下两个缺点： 　　（1）它将引起多重共线性的解释变量直接删除了，虽说被删除的解释变量可通过其他保留在模型中的变量近似表示，但始终无法完全替代，因此运用逐步回归法，必定会损失一定的信息，使得模型产生一定的偏差。 　　（2）当需要对考察所用因素对被解释变量的影响时，逐步回归的结果显然力不从心。 　　相比之下，主成份回归分析则不存在以上两个缺点，尤其是需要分析各因素对被解释变量的影响时，主成份回归分析则显得尤为必要。 　　（四）主成分回归 　　下面通过R软件对上述问题实现主成分回归。 　　寻找主成分，代码如下： pr-princomp(~log(x1)+log(x2)+log(x3)+log(x4)+log(x5),cor=TRUE) summary(pr,loading