多重共线、异方差和序列相关.ppt

若一个随机变量误差项的方差可用误差项平方的q 阶分布滞后模型描述，则称ARCH（q）： 一种简单的实现对模型的估计方法就是设定如下线性回归模型 为表述方便： 最简单的是ARCH（1）模型，即 ， 由于 ， 所以基于历史数据 ， 的条件方差可表述为： 为了保证 的条件方差始终为正数，我们需要假设 ， 都是正数，此外，为保证自回归过程的平稳性，还必须同时假定 GARCH(q,j) 从上式可见，条件方差 不仅取决于其q 阶自回归，而且依赖于j 阶移动平均过程。 如果上式中 都为零，则GARCH(q,j)模型就等同于一个ARCH(q)模型 自相关的含义、表现形式及其来源 忽视自相关的后果 自相关的检验：图示法、DW检验法、BG检验法、博克斯—皮尔斯Q检验法。 误差自相关的修正方法：广义最小二乘法、尼威—韦斯特方法 自相关系数的估计方法：DW统计量、Durbin两步法、从残差中估计、科克伦—奥克特的迭代估计法。 ARCH模型及其检验 * * * * 7、 无为而治——什么也不做 以上对多重共线性的补救方法，每种补救方法都存在一定程度上的缺陷，所以什么也不做常常是正确的选择。原因在于，多重共线性对回归参数估计量的影响并非总是导致它的符号