第四章 经典单方程计量经济学模型.ppt

第四章 经典单方程计量经济学模型：放宽基本假定的模型 §4.1 异方差性 异方差的概念 §4.1 异方差性 一、异方差的类型 §4.1 异方差性 §4.1 异方差性 二、实际经济问题中的异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 三、异方差性的后果 §4.1 异方差性 2、变量的显著性检验失去意义 §4.1 异方差性 3、模型的预测失效 §4.1 异方差性 四、异方差性的检验 §4.1 异方差性 1、图示法 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 怀特检验的基本思想与步骤： §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.1 异方差性 §4.2 序列相关性 一、序列相关性 §4.2 序列相关性 §4.2 序列相关性 称为一阶列相关，或自相关（autocorrelation） §4.2 序列相关性 1、经济变量固有的惯性 §4.2 序列相关性 §4.2 序列相关性 但建模时设立了如下模型： Yt= ?0+?1Xt+vt 因此，由于vt= ?2Xt2+?t, ，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。 §4.2 序列相关性 例如：季度数据来自月度数据的简单平均，这种平均的计算减弱了每月数据的波动性，从而使随机干扰项出现序列相关。 还有就是两个时间点之间的“内插”技术往往导致随机项的序列相关性。 §4.2 序列相关性 §4.2 序列相关性 在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方差性和互相独立性时才能成立。 §4.2 序列相关性 然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 D-W检验是杜宾（J.Durbin）和瓦森(G.S. Watson)于1951年提出的一种检验序列自相关的方法，该方法的假定条件是： §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 广义最小二乘法，是最具有普遍意义的最小二乘法，普通最小二乘法和加权最小二乘法是它的特例。 广义差分法就是广义最小二乘法。 §4.2 序列相关性 广义差分法是将原模型变换为满足OLS法的差分模型，再进行OLS估计。 §4.2 序列相关性 应用广义最小二乘法或广义差分法，必须已知随机误差项的相关系数?1, ?2, … , ?L 。 常用的估计方法有： §4.2 序列相关性 （1）科克伦-奥科特迭代法。 §4.2 序列相关性 一般是事先给出一个精度，当相邻两次?1,?2, ? ,?L的估计值之差小于这一精度时，迭代终止。 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 2. 进行序列相关性检验。 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 §4.2 序列相关性 在Eviews软包下，2阶广义差分的结果为： §4.2 序列相关性 判断： 在存在异方差情况下，普通最小二乘估计量是有偏和无效的。 如果存在异方差，通常使用的t检验和F检验是无效的。 在存在异方差的情况下，通常使用的OLS法总是高估了估计量的标准差。 如果从OLS回归中估计的残差呈现系统模式，则意味着数据中存在着异方差。 错、对、错、对 §4.3 多重共线性 对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n 其基本假设之一是解释变量是互相独立的。 §4.3 多重共线性 如果存在 c1X1i+c2X2i+…+ckXki=0 i=1,2,…,n 其中: ci不全为0，则称为解释变量间存在完全共线性。 §4.3 多重共线性 §4.3 多重共线性 一般地，产生多重共线性的主要原因有以下三个方面： （1）经济变量相关的共同趋势 （2）滞后变量的引入 （3）样本资料的限制 一般经验： 时间序列数据样本：简单线性模型