应用回归分析,第4章课后习题参考答案.docxVIP

精品word学习资料可编辑 名师归纳总结——欢迎下载 第 4 章 违反基本假设的情形 精品word学习资料可编辑 名师归纳总结——欢迎下载 |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | 摸索与练习参考答案 试举例说明产生异方差的缘由； 答：例 4.1：截面资料下讨论居民家庭的储蓄行为 Yi= 0+ 1Xi +εi 其中： Yi 表示第 i 个家庭的储蓄额， Xi 表示第 i 个家庭的可支配收入； 由于高收入家庭储蓄额的差异较大， 低收入家庭的储蓄额就更有规律性， 差异较小，所以 εi 的方差出现单调递增型变化； 例 4.2 ：以某一行业的企业为样本建立企业生产函数模型 精品word学习资料可编辑 名师归纳总结——欢迎下载 * Y 1 2 3 εi 精品word学习资料可编辑 名师归纳总结——欢迎下载 | |欢. |迎. |下. |载. i=Ai Ki Li e 精品word学习资料可编辑 名师归纳总结——欢迎下载 被说明变量：产出量 Y， 说明变量：资本 K、劳动 L、技术 A，那么每个企业所 处的外部环境对产出量的影响被包含在随机误差项中； 由于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ε的方差并不随某一个说明变量观测值的变化而呈规律性变化，出现复杂型； 异方差带来的后果有哪些？ 答：回来模型一旦显现异方差性，假如仍采纳 OLS 估量模型参数，会产生以下不良后果： 1、参数估量量非有效 2、变量的显著性检验失去意义 3、回来方程的应用成效极不抱负 总的来说，当模型显现异方差性时，参数 OLS 估量值的变异程度增大，从而造成对 Y 的猜测误差变大，降低猜测精度，猜测功能失效； 简述用加权最小二乘法排除一元线性回来中异方差性的思想与方法； 答：一般最小二乘估量就是查找参数的估量值使离差平方和达微小； 其中每个平 方项的权数相同， 是一般最小二乘回来参数估量方法； 在误差项等方差不相关的条件下，一般最小二乘估量是回来参数的最小方差线性无偏估量； 然而在异方差 精品word学习资料可编辑 名师归纳总结——欢迎下载 |精. |品. |可. 的条件下， 平方和中的每一项的位置是不相同的， 误差项的方差大的项， 在残差平方和中的取值就偏大， 作用就大， 因而一般最小二乘估量的回来线就被拉向方差大的项， 方差大的项的拟合程度就好， 而方差小的项的拟合程度就差； 由 OLS 求出的仍旧是的无偏估量， 但不再是最小方差线性无偏估量； 所以就是： 对较大的残差平方给予较小的权数， 对较小的残差平方给予较大的权数； 这样对残差所供应信息的重要程度作一番校正，以提高参数估量的精度； 加权最小二乘法的方法： N N 精品word学习资料可编辑 名师归纳总结——欢迎下载 |编. |辑. Q w ( y y. )2 w ( y . . x )2 精品word学习资料可编辑 名师归纳总结——欢迎下载 |学. |习. |资. |料. * | w i i i i i i 1 i 1 N _ _ 0 1 i 精品word学习资料可编辑 名师归纳总结——欢迎下载 * w ( x xw )( y y ) 精品word学习资料可编辑 名师归纳总结——欢迎下载 | * | * | |欢. |迎. |下. |载. . i 1 N_( N _ ( x i x w )2 i= 1 _ yw 1 . _ 1 w x w 2 i kxi 2 1 表示 2 1 2 i kx 2 i x i kx m , w 1 = i i i w 精品word学习资料可编辑 名师归纳总结——欢迎下载 0w wi 或2 或 xi i i m i x 简述用加权最小二乘法排除多元线性回来中异方差性的思想与方法； 答：运用加权最小二乘法排除多元线性回来中异方差性的思想与一元线性回 归的类似；多元线性回来加权最小二乘法是在平方和中加入一个适当的权数 wi ， 以调整各项在平方和中的作用，加权最小二乘的离差平方和为： 精品word学习资料可编辑 名师归纳总结——欢迎下载 Qw (  0, 1,  , p ) n wi ( yi i 1  0 1 xi1  2p xip ) 2 （ 2） 精品word学习资料可编辑 名师归纳总结——欢迎下载 精品word学习资料可编辑 名师归纳总结——欢迎下载 加权最小二乘估量就是查找参数 0, 1, , p 的估量值 .0 w , .1w , , .pw 使式（ 2） 精品word学习资料可编辑 名师归纳总结——欢迎下载 的离差平方和 Qw 达微小；所得加权最小二乘体会回来方程记做 精品word学习资料可编辑 名师归