违背经典假设的回归模型课件.pptVIP

* 怎样通过Eviews作x- e2 散点图 1、键入 LS y c x 作回归 2、键入 GENR E1=resid 调用残差 3、键入 GENR E2=E1^2 生成残差平方 4、键入 SCAT E2 X 或 SCAT E1 X 如果呈现出某种有规律的分布，说明残差中蕴涵作模型（1）未提取净的信息，或（2）可能存在异方差或自相关，或（3）设定有误。 * 1。纺锤型 * 2。反纺锤型 * 3。漏斗型 * 4。反漏斗型 * 5。其它有规律可寻的图形 * 2、解析法（主要介绍Goldfeld-Quant检验） 1。RESET检验 2。WHITE检验 3。GEJSTER检验 4。Goldfeld-Quant检验 5。Park检验 * 下页 * 上页 没有侦察出来 * 下页 * 上页 因变量 没有侦察出来 * Goldfeld-Quant检验 1。 Goldfeld-Quant检验的思路 2。 Goldfeld-Quant检验的几何意义 3。 Goldfeld-Quant检验具体做法 4。 Goldfeld-Quant检验在EViews上的实现 G-Q检验统计量F及其检验 5。 Goldfeld-Quant检验适用条件 * 1。 Goldfeld-Quant检验的思路 先将样本一分而二，对子样1和子样2分别作回归，然后利用两个子样的残差的方差之比构造检验统计量F进行异方差检验。这个检验统计量服从F分布。 递增异方差，方差之比就会远远大于1；反之， 同方差，方差之比趋近于1 递减异方差，方差之比远远小于1 * 2。 Goldfeld-Quant检验的几何意义 * 样本1 3n/8 n/4 3n/8 样本2 * 3。 G-Q检验具体做法 （1）将n对观察值(xi,yi)，按解释变量x的大小顺序排列 （2）将其中的 c = n / 4 个观察值除去，余下前后两个子样本 （3）每个子样的个数为(n-c)/2，各自进行回归，分别计算残差平方和，自由度=(n-c)/2-k-1，k是模型中自变量个数 （4）提出假设：两个子样方差相等 （5）进行F检验 * G-Q检验统计量F及其检验 * 4。 Goldfeld-Quant检验在EViews上的实现 （1）用SORT X 以X为条件排序 （2）用SMPL命令定义两个子样 （3）用LS命令进行两次回归，计算出残差平方和（可以直接读出）与自由度 （4）进行F检验 * 5。Goldfeld-Quant检验适用条件 G-Q检验以F检验为基础 适用于样本容量较大、异方差递增或递减的情况 * OLS处理结果 * * 权数、个人收入散点图 * 第4章 违背经典假设的回归模型 第一节 异方差性 * 违背基本假设的情况 在前述基本假定下OLS估计具有BLUE的优良性。(Best Linear Unbiased Estmator) 然而实际问题中，这些基本假定往往不能满足，使OLS方法失效不再具有BLUE特性。 估计参数时，必须检验基本假定是否满足，并针对基本假定不满足的情况，采取相应的补救措施或者新的方法。 检验基本假定是否满足的检验称为计量经济学检验 * BLUE的优良性 1、最小二乘估计量是线性估计量——估计量是因变量观察值的线性组合 2、最小二乘估计量是无偏估计量——估计量的数学期望等于被估计的参数 3、最小二乘估计量是一切线性、无偏估计量中的最佳估计量，因为它的方差最小 这些性质是由高斯-马尔科夫定理保证的 * 不满足基本假定使高斯-马尔科夫定理失效 1、随机扰动项的方差不等于常数=异方差 截面数据时，经常出现异方差 2、随机扰动项相关=序列相关 时间序列数据经常出现序列相关 3、随机扰动项具有水平变动=变量误差模型 4、随机扰动项与所有自变量不相关=自变量之间不相关=多重共线 通常不会发生随机扰动项均值=0与非线性模型的假设不满足的情形 上页 * 回顾6项基本假定 （1）残差纵向变动 （隐含自变量X是确定性变量） （2）E(ei)=0 （随机项均值为零） （3）Var(ei)=?2 （同方差） （4）Cov(ei, ej)=0（随机项无自相关） （5）Cov(x, ei)=0（随机项与解释变量X不相关）==自变量间不相关 （6）数据生成过程为线性过程 （只讨论线性模型） Y=X?+e 下页 * 基本假定违背的解决办法 1随机扰动项e不是同方差，而是异方差 ==检验是否存在==消除异方差 2随机扰动项e存在序列相关（存在自相关） ==检验是否存在==消除自相关 3解释变量是随机变量，且与e相关 （==误差变量模型——第15章） 4解释变量之间线性相关，存在多重共线 （==模型技术上，只能采用