李子奈计量经济学4.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;§4.1 异方差性§4.2 序列相关性§4.3 多重共线性§4.4 随机解释变量问题;基本假定违背主要 包括： （1）随机误差项序列存在异方差性； （2）随机误差项序列存在序列相关性； （3）解释变量之间存在多重共线性； （4）解释变量是随机变量且与随机误差项相关的随机解释变量问题；;（5）模型设定有偏误； （6）解释变量的方差不随样本容量的增而收敛。 计量经济检验：对模型基本假定的检验 本章主要学习：前4类 ;§4.1 异方差性;对于模型;二、异方差的类型;;三、实际经济问题中的异方差性; 例4.1.2，以绝对收入假设为理论假设、以截面数据为样本建立居民消费函数： Ci=?0+?1Yi+?I;一般情况下，居民收入服从正态分布：中等收入组人数多，两端收入组人数少。而人数多的组平均数的误差小，人数少的组平均数的误差大。 所以样本观测值的观测误差随着解释变量观测值的不同而不同，往往引起异方差性。; 例4.1.3，以某一行业的企业为样本建立企业生产函数模型： Yi=Ai?1 Ki?2 Li?3e?i; 每个企业所处的外部环境对产出量的影响程度不同，造成了随机误差项的异方差性。 这时，随机误差项的方差并不随某一个解释变量观测值的变化而呈规律性变化，呈现复杂型。 ;四、异方差性的后果; 2. 变量的显著性检验失去意义;3. 模型的预测失效; 五、异方差性的检验; 问题在于用什么来表示随机误差项的方差;几种异方差的检验方法：;看是否形成一斜率为零的直线;2. 帕克(Park)检验与戈里瑟(Gleiser)检验;或; G-Q检验的思想： 先将样本一分为二，对子样①和子样②分别作回归，然后利用两个子样的残差平方和之比构造统计量进行异方差检验。 由于该统计量服从F分布，因此假如存在递增的异方差，则F远大于1；反之就会等于1（同方差）、或小于1（递减方差）。;G-Q检验的步骤： ①将n对样本观察值(Xi,Yi)按观察值Xi的大小排队； ②将序列中间的c=n/4个观察值除去，并将剩下的观察值划分为较小与较大的相同的两个子样本，每个子样样本容量均为(n-c)/2； ③对每个子样分别进行OLS回归，并计算各自的残差平方和；; ④在同方差性假定下，构造如下满足F分布的统计量; ⑤给定显著性水平?，确定临界值F?(v1,v2)， 若F> F?(v1,v2)， 则拒绝同方差性假设，表明存在异方差。 当然，还可根据两个残差平方和对应的子样的顺序判断是递增型异方差还是递减异型方差。;4. 怀特（White）检验; 可以证明，在同方差假设下：;注意： 辅助回归仍是检验与解释变量可能的组合的显著性，因此，辅助回归方程中还可引入解释变量的更高次方。 如果存在异方差性，则表明确与解释变量的某种组合有显著的相关性，这时往往显示出有较高的可决系数以及某一参数的t检验值较大。 当然，在多元回归中，由于辅助回归方程中可能有太多解释变量，从而使自由度减少，有时可去掉交叉项。;六、异方差的修正; 例如，如果对一多元模型，经检验知：;新模型中，存在 ; 一般情况下:;用D-1左乘 Y=X?+? 两边，得到一个新的模型： ; 这就是原模型Y=X?+?的加权最小二乘估计量，是无偏、有效的估计量。 ; 如何得到?2W ？; 注意：;七、案例——中国农村居民人均消费函数 ;;普通最小二乘法的估计结果： ;异方差检验;进一步的统计检验 ;子样本1：;计算F统计量： F= RSS2/RSS1=0.2792/0.0648=4.31 ;（2）怀特检验 ;去掉交叉项后的辅助回归结果 ; 原模型的加权最小二乘回归 ;一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、案例;一、序列相关性概念;或;称为一阶列相关，或自相关（autocorrelation）; 由于序列相关性经常出现在以时间序列为样本的模型中，因此，本节将用下标t代表i。 ;二、实际经济问题中的序列相关性 ;2.模型设定的偏误 ;又如：如果真实的边际成本回归模型应为： Yt= ?0+?1Xt+?2Xt2+?t 其中：Y=边际成本，X=产出。 但建模时设立了如下模型： Yt= ?0+?1Xt+vt 因此，由于vt= ?2Xt2+?