计量学习1课件.pptVIP

（2）式两端乘以ρ，得 ρYt-1 = αρ+βρXt-1 + ρut -1 （3） （1）-（3），得： Yt -ρYt-1 = α(1-ρ)+β(Xt-ρXt-1) + (ut -ρut -1) （4） （4）式中的扰动项为 ut -ρut–1 =εt，从而满足标准假设条件。 令 Yt′= Yt -ρYt-1 Xt′= Xt-ρXt-1 α′=α(1-ρ)，有 Yt′ = α′+βXt′+ εt （5） 若ρ为已知，我们就可用OLS法直接估计（5）式，否则需要先估计ρ。 在ρ未知的情况下，通常用下列方法估计ρ： 科克伦—奥克特法 希尔德雷斯—卢法 （1）科克伦—奥克特法（Cochrane—Orcutt） 科克伦—奥克特法是一个迭代过程，步骤如下： ① 估计原模型（（1）式），计算OLS残差et（t=1,2,…,n）。 ② et对et-1回归，即估计et=ρet-1+εt，得到ρ的估计值 ③ 用 产生 然后估计 Yt′ = α′+βXt′+ εt ，得到α和β的估计值 和 。 ④ 重新计算残差，返回第②步。 此过程不断修改 ， 和 ，直至收敛。 （2）希尔德雷斯—卢法（Hildreth—lu） 此方法实际上是一种格点搜索法（Grid search）,即在ρ的预先指定范围（如-1至1）内指定格点之间距离（如0.01），然后用这样产生的全部ρ值 （-1.00，-0.99，…，1.00）产生 Yt′= Yt -ρYt—1 Xt′= Xt-ρXt—1 然后估计 Yt′ = α′+βXt′+ εt 产生最小标准误差的ρ值即作为ρ的估计值 ，用该 值得到的 和 即为原模型的系数估计值。 上述两种方法中，目前用得多的是科克伦—奥克特法。科克伦—奥克特法的优势在于，它不仅能用于一阶自相关模式（AR(1)模式），也能用于高阶自相关模式，如AR(2)模式： ut=ρ1ut-1+ ρ2ut-2 ＋εt 以及AR(3)、 AR(4)等。计量经济软件提供了解决此类问题的命令。 2．一般自相关 对于一般自相关问题，我们可采用广义最小二乘法处理。自相关意味着扰动项u的方差—协方差矩阵 中某些 E(uiuj)≠0, 即 E(uu′) = σ2Ω， 其中Ω为正定矩阵，因而可应用GLS法。 GLS法可用于任何类型的自相关。 第五章 小结 一、误设定 误设定包括函数形式的误设定和解释变量的误设定。我们重点介绍了两种类型的误设定。 1、模型中忽略了有关的解释变量 其后果是使参数估计量产生偏倚，即OLS估计量不再是无偏估计量。 2、模型中包括了无关的解释变量 其后果是增大了估计量的方差，但估计量仍无偏。 在实际工作中，我们可用拉姆齐RESET检验法检验模型是否误设定，但仍无法准确判断是何种类型的误设定。一般原则是尽量不漏掉与因变量有关的解释变量尤其是理论上重要的变量，判断一个变量是否应加进回归方程中，可依据本章介绍的四项准则。 二、多重共线性 当解释变量之间存在着高度相关时，就会发生多重共线性。 多重共线性虽然不影响参数估计量的无偏性，但会造成参数估计量的高方差、精度差和低t值，犯第Ⅱ类错误的可能性增加.。 多重共线性可通过回归结果进行判断，可以通过解释变量的相关系数矩阵检验，还可用条件指数检验。 解决多重共线性问题主要从以下两个方向进行： 1、减少要估计的参数，即利用给定的数据估计较少的参数。 2、改变数据，即增加信息。 这是一个要在实践中反复摸索的问题。 三、异方差性 若 Var（ut）= σ2 = 常数 的假设不成立，则称扰动项具有异方差性。 异方差性主要发生在横截面数据或时间跨度很大的时间序列数据的情