4第四章经典单方程计量经济学模型放宽基本假定的模型.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;基本假定违背：不满足基本假定的情况。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 （随机解释变量）； 此外： （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;§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; 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; 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;3、戈德菲尔德-匡（夸）特(Goldfeld-Quandt)检验; G-Q检验的步骤：; ④在同方差性假定下，构造如下满足F分布的统计量; 3、怀特（White）检验;注意：; 六、异方差的修正; 例如，如果对一多元模型，经检验知：;一般情况下:; W是一对称正定矩阵，存在一可逆矩阵D使得 W=DD’ ;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 ？;广义最小二乘法;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： ;进一步的统计检验 ;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 ;§4.2 序列相关性 ;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、具有序列相关性模型的估计 六、案例; 一、序列相关性概念;称为一阶列相关，或自相关（autocorrelation）; 二、实际经济问题中的序列相关性 ; 2、模型设定的偏误 ; 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。; 3、数据的“编造”; 计量经济学模型一旦出现序列相关性，如果仍采用OLS法估计模型参数，会产生下列不良后果：; 2、变量的显著性检验失去意义; 3、模型的预测失效;三、序列相关性的检验; 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。; 1、图示法; 2、回归检验法 ;3、杜宾-瓦森（Durbin-Watson）检验法 ; ; D.W检验步骤:; 当D.W.值在2左右时，模型不存在一阶自相关。;如果存在完全一阶正相关，即?=1，则 D.W.? 0 完全一阶负相关，即?= -1, 则 D.W.? 4 完全不相关， 即?=0，则 D.W.?2; 4、拉格朗日乘数（Lagrange multiplier）检验 ; GB检验可用来检验如下受约束回归方程 ; 如果模型被检验证明存在序列相关性，则需要发展新的方法估计模型。; 1、广义最小二乘法;变换原模型： D-1Y=D-1X ? +D-1? 即 Y*=X*? + ?* (*); 如何得到矩阵?？; 2、广义差分法; 注意：; 3、随机误差项相关系数的估计; （1）科克伦-奥科特迭代法。;求出?i新的“近拟估计值”， 并以之作为样本观测值，再次估计 ; 类似地，可进行第三次、第四次迭代。;（2）杜宾（durbin）两步法;应用软件中的广义差分法;如果能够找到一种方法，求得Ω或各序列相关系数?j的估计量，使得GLS能够实现，则称为可行的广义最小二乘法（FGLS, Feasible General