金融实证方法 第三章 非典型回归模型及其应用.pdf

第三章非典型回归模型及其应用 学习目标： 熟悉异方差、自相关性、多重共线性的检验方 法； 了解广义矩（GMM）模型及其应用； 熟悉面板数据模型及其在金融实证中的应用； 掌握Logisitic 模型和Probit模型的应用。 第一节 普通最小二乘假设的违背 如前所述，最小二乘回归具有一系列前提假 设。判断是否满足最小二乘回归的假设是最重 要的。在此，我们特别需要检验：  （1）异方差性——导致不满足残差具有不变 方差的假设；  （2 ）自相关——导致不满足残差之间相互独 立的假设；  （3 ）多重共线性——导致不满足自变量之间 不相关的假设。 在本节中，我们重点对违背最小二乘回归假设 的这三种情况进行分析。 普通最小二乘假设的违背 一、异方差性分析  （一）异方差问题 在多元线性回归模型中，随机扰动项 满足同方差 i 2  性的基本假定，即它们具有相同的方差 。但如果 i 随机扰动项的方差并非不变的常数，则称为异方差 性（Heteroskedasticity），即指随机变量服从不同 方差的分布。异方差性用公式表达为： 2 var()  i 1,2,L , N i i 在计量经济学中，产生异方差的原因有多种，比如模 型中遗漏了某些解释变量，模型函数设定误差，样本 数据的测定误差，以及随机因素的影响等等。 普通最小二乘假设的违背  （二）异方差检验 1、图示检验法 残差图分析 残差图分析是在利用Eviews进行回归模型估计后，在 方程窗口点击“Resids”按钮，直接在屏幕上看到残差 分布图。如果残差分布图的区域逐渐变窄或变宽，或 出现偏离带状区的复杂变化，则表明存在异方差性。 相关图分析 普通最小二乘假设的违背 2、White检验 怀特（White ）提出的异方差的一般检验方法，具有简 便有效的特点。假定模型为： y  x  z u i 0 1 i 2 i i White检验步骤如下：  （1）首先应用OLS估计回归方程，得到残差 。 u i  （2 ）然后进行辅助回归  （3 ）计算统计量N gR 2 值。 2 2  （4 ）在a a L a 0 的原假设下， 服从自由度为5的 1 2 2 5 N gR