【总结】异方差多重共线性自相关的总结.docx

缘由 后果 检验方法 补救措施 多重共线性 1.经济变量之间具有共同 变化趋势； 在截面数据中，变量间从经济意义上具有亲密的关联度； 模型中包含滞后变量； 样本数据自身的缘由； 完全 ： 1、参数的估量值不确定 2、参数估量值的方差无限大不完全： 1、参数估量值的方差增大 2、变量的显著性检验失去意义 3、区间估量和区间猜测猜测功能失效 4、参数估量量经济含义不合理 1、简洁相关系数检验法 2、方差膨胀因子法 3、直观判定法 4、逐步回来检测法 1、体会方法 2、逐步回来法 3、岭回来法 |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载. 异方差性 1、模型设定误差 2、数据的测量误差 3、截面数据中总体各单位的差异 参数估量式统计特性： 1、仍旧具有线性性 2、仍旧具有无偏性 3、仍旧具有一样性 4、不再具有最小方差性 猜测： 会扩大估量区间和猜测区间，降低精度；自相关 1、经济系统的惯性参数估量 :1、图示检验法1、广义差分法2、经济活动的滞后效应1、无偏性仍成立2、DW 检验法2、科克伦－奥克特迭代法3、数据处理造成的相关2、不再具有最小方差性3、相关图和 Q 统计量3、一阶差分法4、蛛网现象模型检验和猜测： 猜测： 会扩大估量区间和猜测区间，降低精度； 自相关 1、经济系统的惯性 参数估量 : 1、图示检验法 1、广义差分法 2、经济活动的滞后效应 1、无偏性仍成立 2、DW 检验法 2、科克伦－奥克特迭代法 3、数据处理造成的相关 2、不再具有最小方差性 3、相关图和 Q 统计量 3、一阶差分法 4、蛛网现象 模型检验和猜测： 4、序列相关 LM 检验 5、模型设定偏误 1、参数显著性检验失效 2、区间猜测和猜测区间的精度降低 1、图示检验法 2、Goldfeld-Quanadt 检验 3、White 检验4、ARCH 检验5、Glejser 检验 1、模型变换法 2、加权最小二乘法 3、模型的对数变换 检验方法 基本方法 特点 E views 操作 多重共线性 简洁相关系数检验法： 1、简洁相关系数 2、交叉相关系数 方差膨胀因子法 1、利用说明变量之间的线性相关程度去判定是否存在严峻多重共线性； 2、相关系数运算的是两组样本的同期相关程度，交叉相关就可以表示不同期之间的相关程度； 较高的简洁相关系数只是多重共线性存在的充分条件， 而不是必要条件；因此并不能简洁地依据相关系数进行多重共线性的精确判定，可以结合交叉相关系数； 、 Group 窗 口 的view/covariance analysis/correlation 、 Group 窗 口 的 view/cross correlation/ 以 X j 为被说明变量，对其他说明变量做帮助回来； （ 1）引入方差扩大因子，即 1 VIF j 2 ；  输入滞后期设定 / R2 R 该帮助回来的可决系数为 j ； 1 Rj 输出结果阅读： 看是否超出 2 倍标准差线 j（ 2） R2 度量了 j X j 与其他说明变量的线性相关程度， |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载.  直观判定法 依据体会判定： 1、当增加或剔除一个说明变量， 或者转变一个观测值时，回来参数的估量值发生较大变化时，回来方程可 能存在严峻的多重共线性； 2、从定性分析认为，一些重要的说明变量的回来系数的标准误差较大，在回来方程中没有通过显著性检验， 可初步判定可能存在严峻的多重共线性； 3、有些说明变量的回来系数所带正负号与定性分析结果违反时，可能存在多重共线性； 4、说明变量的相关矩阵中，自变量之间的相关系数较大时，可能存在多重共线性； 逐步回来检测法 将变量逐个的引入模型，每引入一个说明变量后，都 要进行Ｆ检验，并对已经选入的说明变量逐个进行 t 检验；当原先引入的说明变量由于后面说明变量的引 入而变得不再显著时， 将其剔除；（这是一个反复过程） 这种相关程度越强， 说明变量之间的多重共线性越严峻， VIF j 也就越大； 方差膨胀因子越接近于 1，多重共线性越弱； （ 1）参数估量值有很大的偶然性； （ 2）参数显著性检验未通过； （ 3）经济意义检验未通过； （ 4）相关系数大； 当原先引入的说明变量由于后面说明变量的引入而变得不再显著时，就存在多重共线性；假如说明变量之间是高度相关的，就从前引入的说明变量可能会由于后来引入与之相关的说明变量而被剔除； 检验方法 基本方法 特点 e2异方差性 图示检验法： e 2 1、以 X 为横轴， Y 为纵轴，画散点图，可以粗