chapstata和模型修正课件.ppt

chap08 stata和模型修正 主要内容 1-异方差检验与处理 2-自相关和可行广义最小二乘法 3-内生性与2SLS、GMM 实验8-1：异方差检验与处理 一、实验基本原理 要解决模型中存在的异方差问题，分为两个步骤：第一，要准确的检测出异方差的存在；第二，解决异方差带来的副作用，使模型估计量具有很好的性质。下面将会详细介绍异方差检验和处理的原理。 （一）异方差检验的方法 （1）残差图观察法。由于异方差就是模型扰动项的方差是变化的，根据这个原理就可以观察模型残差拟合值的图形，根据图形的形状变化判断异方差是否存在。但是这种方法的严谨性稍差，并不是主流的检验方法。 （2）怀特检验方法。由于模型扰动项的稳健标准差在同方差的情况下还原为普通标准差，所以怀特检验的原理简单来说就是看扰动项的稳健标准差与普通标准差的差距大小。 White在1980年基于这一思想提出了怀特检验。 (3)BP检验（Breusch-Pagan检验） （二） 异方差的处理方法 （1）稳健标准差加OLS法 只要样本容量足够大，在模型出现异方差的情况下，使用稳健标准差时参数估计、假设检验等均可正常进行，即可以很大程度上消除异方差带来的副作用。 （2）广义最小二乘法 （3）加权最小二乘法（WLS） （4）可行广义最小二乘法 该方法是先用样本数据一致的估计出V(X),然后使用GLS法对模型进行估计。（此方法克服了GLS和WLS要求扰动项协方差已知的缺点） 二、实验内容和数据来源 数据来自Nerlove 1963年的一篇文章，数据内容是美国1955年145家电力企业的横截面数据，变量主要有TC(企业总成本)、Q（产量）、PL（工资率）、PF（燃料价格）及PK（资本租赁价格）。完整的数据在本书附带光盘里的data文件夹的“nerlove.dta”工作文件夹中。 根据cobb-douglas生产函数:，在企业追求成本最小化的的合理假设下，可证明其成本函数也为cobb-douglas函数，可显示如下： 本实验中，运用nerlove数据分析各个解释变量对总成本TC的影响，并运用多种方法检验是否存在异方差，如果存在异方差则对模型进行合理的修正，最终得到一个效果较好的模型。 三、实验操作指导 这就是实验模型。显然模型将一个非线性模型转化成了线性模型，在运用计量经济学进行模型研究时，将非线性模型化为线性模型来简化分析一直是计量经济学的指导准则。 2.打开文件，进行回归 （1）打开文件命令 use c:\data\nerlove,clear 或者直接从菜单栏中“file”选择“open”找到需要打开的数据文件nerlove (2)对回归方程进行估计 在stata命令窗口中输入如下命令： 根据实验结果图回归方程具体化为：lntc=-3.57+0.72lnq+0.46lnpl-0.22lnpk + 0.43lnpf；根据结果图中给出的p值看出，在10%和5%的置信度下模型都只有lnq和lnpf的系数和常数项通过了t检验。 3.异方差检验 对模型进行回归并不是本章的知识，然而回归是一个基础，即做异方差检验之前必须做回归，下面将会详细介绍异方差检验的基本方法。 （1）残差图观察法 做完模型的基本回归后，运用Stata绘制残差图来观察异方差是否存在。 在命令窗口中输入如下两个命令中的任意一个即可 rvfplot (residual-versus-fitted plot) rvpplot varname (residual-versus-predictor plot) 第一个命令语句的作用是绘制默认形式的残差图，第二个命令语句的作用是绘制残差与某个解释变量的散点图，varname可以换做认为合理的解释变量。 在前面的章节中，已经介绍过作残差图的各种命令，所作出的各种图形虽然有些差异，但是所展示的信息是基本一致的。图8.2中显示残差的方差是变化的，从一开始时分散程度很大（方差大），然后逐渐变得紧凑（方差变小），这样一来很显然的否定了球形扰动项的假设。即通过残差图观察法，得出的结论是此模型存在异方差问题。 在stata中分别输入： rvpplot lnq rvpplot lnpf rvpplot lnpl rvpplot lnpk 通过rvpplot varname命令的残差预测图知道异方差存在主要的决定变量是lnq，因为它与残差形成的散点图与被解释变量的拟合值形成的残差图形状最相似，但是其他变量也或多或少的影响了异方差的形成。 通过绘制残差图可以直观地观察到是否存在异方差，但是观察残差图的方法标准较为模糊，会遇到模型残差图很难判断的情形。所以只采用残差图的方式判定模型的方差形式是不够严谨的，必须配合下面几种正规的检验方法才有信服力。 （2）怀特检验法 根据本章节介绍的该方