第七章卓序列相关性.pptVIP

比较普通最小二乘法、加权最小二乘法和广义最小二乘法的异同。 答：在经典多元线性回归模型中,如果回归模型满足基本的经典假设, 是BLUE估计 如果随机误差项不满足同方差假设，在其他假设仍然成立的情况下，OLS估计量不是有效估计量，相应的变量显著性检验和预测检验也就失效。这时应该用加权最小二乘法进行参数估计。 加权最小二乘法有效地克服了异方差问题,由此得到的参数估计量有效 如果随机误差项不满足同方差假设,同时还不满足随机误差项序列无关的假设,这时可用广义最小二乘法来估计. 从上面的分析可知OLS估计是加权最小二乘估计的特例,而加权最小二乘又是广义最小二乘估计的特例. 四、拉格朗日乘子检验 拉格朗日乘子检验克服了D-W检验的缺陷，适合于高阶序列相关 及模型中存在滞后被解释变量的情形。它是由布劳殊（Breusch）与 戈弗雷（Godfrey）于1978年提出的，也称为GB检验。 对于模型 （7-24） 如果要检验随机误差项是否存在p阶序列相关： （7-25） 那么检验如下受约束回归方程就是拉格朗日乘子检验： （7-26） 约束条件为 （7-27） 如果约束条件为真，则LM统计量服从大样本下自由度为p的渐近 分布： （7-28） 其中n?p和 分别为如