计量经济学模型的计量检验-公开课件.pptVIP

计量经济学与应用 5. 模型的计量检验 模型的计量经济学检验 内容提要 多重共线性问题 异方差问题 自相关问题 模型设定和诊断 正态性检验 参数稳定性检验 多重共线性 如果某两个或多个解释变量之间出现了相关性，则称为多重共线性(Multi-collinearity)。 完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。 产生多重共线性的主要原因 （1）经济变量相关的共同趋势 时间序列样本：经济繁荣时期，各基本经济变量（收入、消费、投资、价格）都趋于增长；衰退时期，又同时趋于下降。 横截面数据: 生产函数中，资本投入与劳动力投入往往出现高度相关情况，大企业二者都大，小企业都小。 （2）滞后变量的引入 在经济计量模型中，往往需要引入滞后经济变量来反映真实的经济关系。 例如，消费=f(当期收入, 前期收入） 显然，两期收入间有较强的线性相关性。 多重共线性 （3）样本资料的限制 由于完全符合理论模型所要求的样本数据较难收集，特定样本可能存在某种程度的多重共线性。 如：在医药研究中，可能只有少数病人，但却要在谈们身上收集大量的变量信息。 多重共线性的后果 完全共线的情况下参数估计量失效 近似共线的情况下，OLS参数估计量的方差增大 多重共线性使参数估计值的方差增大，1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF) 3. 参数估计量经济含义不合理 如果模型中两个解释变量具有线性相关性，例如 X2= X1 ， 这时，X1和X2前的参数1、2并不反映各自与被解释变量之间的结构关系，而是反映它们对被解释变量的共同影响。 1、2已经失去了应有的经济含义，于是经常表现出似乎反常的现象：例如1本来应该是正的，结果恰是负的。 多重共线性的后果 4. 变量的显著性检验失去意义 5. 模型的预测功能失效 变大的方差容易使区间预测的“区间”变大，使预测失去意义。 多重共线性检验 1、检验多重共线性是否存在 (1) 简单相关系数法 两个变量时，求出X1与X2的简单相关系数r，若|r|接近1，则说明两变量存在较强的多重共线性。多个变量时，如果两两变量的相关系数高，则存在多重共线性，如果两两变量的相关系数不高，不能说明不存在多重共线性，因为多个解释变量之间可能线性相关。 (2) 采用综合统计检验法 若 在OLS法下：R2与F值较大，但t检验值较小，说明各解释变量对Y的联合线性作用显著，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，故t检验不显著。 多重共线性检验 2、判明存在多重共线性的范围 如果存在多重共线性，需进一步确定究竟由哪些变量引起。 (1) 判定系数检验法 使模型中每一个解释变量分别以其余解释变量为解释变量进行回归，并计算相应的拟合优度。 如果某一种回归Xji=1X1i+2X2i+LXLi的判定系数较大，说明Xj与其他X间存在共线性 在模型中排除某一个解释变量Xj，估计模型；如果拟合优度与包含Xj时十分接近，则说明Xj与其它解释变量之间存在共线性。 多重共线性检验 (2)逐步回归法 以Y为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。根据拟合优度的变化决定新引入的变量是否独立。 如果拟合优度变化显著，则说明新引入的变量是一个独立解释变量； 如果拟合优度变化很不显著，则说明新引入的变量与其它变量之间存在共线性关系。 克服多重共线性的方法 第一类方法：排除引起共线性的变量 找出引起多重共线性的解释变量，将它排除出去。 以逐步回归法得到最广泛的应用。 第二类方法：差分法 时间序列数据、线性模型：将原模型变换为差分模型: Yi=1  X1i+2  X2i++k  Xki+  i 可以有效地消除原模型中的多重共线性。 一般讲，增量之间的线性关系远比总量之间的线性关系弱得多。 克服多重共线性的方法 第三类方法：减小参数估计量的方差 多重共线性的主要后果是参数估计量具有较大的方差，所以 采取适当方法减小参数估计量的方差，虽然没有消除模型中的多重共线性，但确能消除多重共线性造成的后果。 增加样本容量，可使参数估计量的方差减小。 异方差 对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性(Heteroskedasticity)。 异方差 异方差一般可归结为三种类型： (1)单调递增型： i2随X的增大而增大 (2)单调递减型： i2随X的增大而减小 (3)复杂型： i2与X的变化呈复杂形式 例子： 截面资料下研究居民家庭的储蓄行为 Yi=0+1Xi+i Yi:第i个家庭的储蓄额 Xi: