第四章 放宽基本假定的模型(本科生计量经济学) (1).pptx

第四章 经典单方程计量经济学模型：放宽基本假定的模型;问题1：经典的假定不成立会有什么后果？;随机扰动项同方差：;计量经济学检验的含义：;§4.1 异方差性Heteroscedasticity;1、异方差;2、实际经济问题中的异方差的含义;二、存在异方差的后果 Consequences of Using OLS in the Presence of Heteroskedasticity;模型存在异方差时最小二乘估计量的性质。;估计的线性性仍然成立：;普通最小二乘估计仍然是一致估计：;注意：模型存在异方差时，最小二乘估计量 仍然服从正态分布，但是方差已经发生变化。; 2、关于变量的显著性检验的原有做法失去意义;3、模型的预测失效;三、异方差的检验;异方差检验的思路： 由于异方差性是指不同的样本点，随机扰动项具有不同的方差。那么检验异方差性，就是要检验随机扰动项的方差与解释变量样本值之间是否具有函数关系。;随机扰动项方差的近似:首先对原模型采用OLS估计，得到残差，用它的平方作为随机扰动项的方差的近似。;一元线性回归模型：;对多元模型是否有异方差进行检验，比如说二元：;1、图示法：;2、对异方差进行的检验：怀特（White）检验;怀特（White）检验;White异方差检验：;加权最小二乘法（WLS）是对原模型变形，使之变成一个新的、不存在异方差的模型，然后采用OLS估计其参数。;情形1：如果随机扰动项方差与解释变量的关系已知：;比如：如果已知随机扰动项方差为：;情形2、如果随机扰动项方差与解释变量关系未知：;估计：;变换后的模型其随机扰动项同方差，用OLS法估计性质最优。;情形2中的加权最小二乘估计相当于;注意理解加权最小二乘中“加权”的含义。;模型参数估计的步骤：;异方差的修正方法二:直接对参数估计的方差进行修正。;适合：样本容量足够大的情况。 参数估计仍然是OLS估计，在进行变量的显著性检验时，采用修正过的、参数估计的方差（标准差）来计算T统计量的值，进行显著性的假设检验）;1、含义：模型随机扰动项之间存在相关性;2、实际经济问题中的序列相关性; 例如，Cobb-Dauglas生产函数：幂函数 Qt = AKt?Lt?eut Q：产出量，K：投入的资本；L：投入的劳动;原因（3）模???设定偏误（Specification error）。主要表现在模型中丢掉了重要的解释变量或模型函数形式有偏误。;一阶序列相关，或一阶自相关 ;有无序列相关的统一表现形式：;模型仅存在p阶序列相关：;二、模型存在序列相关的后果; 思路：分析残差（随机扰动项的“近似”）之间是否具有相关性，并以此来判断随机扰动项是否具有序列相关性。;若：;或图示;方法二、杜宾-瓦森（Durbin-Watson）检验法;即DW不能对这种模型是否具有自相关进行检验：;D.W. 统计量:;DW与残差自相关系数的关系。;完全一阶正相关， ? = 1， D.W. = 0 ； 完全一阶负相关， ? = -1, D.W. = 4； 不存在相关性， ? = 0， D.W.= 2 ；; D.W检验规则:;方法之三：拉格朗日乘数（Lagrange multiplier）检验;H10: ?1=0;H20: ?2 =0;H30: ?3 =0;若拒绝原假设H30，则取P=4，。。。;四、模型存在序列相关时的估计方法;1、广义差分法(Generalized Difference);如果随机扰动项之间仅存在p阶自相关;此模型为原模型的广义差分模型，随机扰动项之间是不相关的。对此模型进行的OLS估计，就是对原模型的广义差分估计。;但上述估计并不可行，需要对;广义差分法实施的过程：;采用OLS法对上述模型进行估计 ;2、Newey-West standard errors对序列相关的处理; §4.3 多重共线性 Multicollinearity;1、多重共线性的概念;2、实际经济问题中的多重共线性;二、多重共线性的后果;;当模型存在完全多重共线性时，;仍然以二元线性模型 Y= ?0 +?1X1+?2X2+? 为例: ;多重共线性使参数估计量的方差增大，定义1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF);2、近似共线性下，OLS估计量非有效;三、多重共线性的检验;（一）、检验是否存在完全多重共线性：若普通最小二乘估计不存在，则存在完全共线性；若普通最小二乘估计存在，则无完全共线性。;1、检验是否存在近似共线性;用模型中每一个解释变量分别对其余解释变量进行辅助回归，计算相应的拟合优度。