计量经济学课件.pptVIP

如果ρ=0，估计结果是相同的。在存在自相关的情况下，参数的GLS估计式和方差估计式中均有自相关系数ρ，因此，忽略自相关的OLS估计值和方差都是不可信的。 * 第四章 非线性回归模型的线性化 因变量和解释变量之间的线性关系，包括参数线性和解释变量线性两种。前面的分析假定总体回归函数的形式为： 但是根据经济现实或经济理论，变量之间不一定存在这种形式的线性关系。如参数线性形式的回归函数： 或参数、变量均为非线性形式的函数关系，如C-D生产函数： 对于这些不符合线性假定的模型进行参数估计，必须加以适当的变换以后，才能用OLS方法估计模型参数。 * 对于参数线性的模型，可以采用变量的直接代换，转化为参数、变量均为线性的形式进行估计。 一、倒数模型： 函数形式为： 令变量 ，则回归函数可变为： 根据解释变量的观测值，计算出X*i 的之后进行OLS估计，得到： 因此可得到原模型的估计方程： * 二、对数线性模型： 通过对原模型的对数变换，函数形式可变为： 令变量 ，则回归函数可变为： 根据解释变量的观测值，进行OLS估计，得到： 因此可得到原模型的估计方程： 例如，估计C-D 函数： ，两边取对数后： 得到原模型的估计方程： 因此，C-D 函数的估计形式为： * 三、半对数线性模型： 模型的函数形式可变为： 令变量 ，同样可以进行参数的OLS估计。 根据解释变量的观测值，进行OLS估计，得到： 因此可得到原模型的估计方程： 四、多项式模型： 模型的函数为： * 我们关于经典线性回归模型（CLRM）有如下假定： 假定1：回归模型对参数是线性的 假定2：在重复抽样中X的值是固定的（非随机） 假定3：干扰项的均值为零。即，E(ui|Xi)=0 假定4：同方差性或ui的方差相等。即 Var(ui|Xi)=E[ui-E(ui)|Xi]2 = E(ui2|Xi]2 = ?2 假定5：各个干扰项无自相关。即 Cov(ui,uj|Xi,Xj)=E[ui-E(ui|Xi) ][uj-E(uj|Xj)] = E(ui|Xi)(uj|Xj) = 0 假定6：ui和Xi的协方差为零。即 Cov(ui,Xi) = E[ui – E(ui)][ Xi – E(Xi)] = E[ui (Xi – E(Xi))] =E(ui Xi) – E(ui)E(Xi） = E(ui Xi) = 0 假定7：观测次数必须大于待估计的参数个数。 假定8：解释变量X的只要有变异性。即一个样本中，Xi不能完全相同。 假定9：模型没有设定误差。 假定10：没有完全的多重共线性，即解释变量之间没有完全的线性关系。 在现实中，以上假定不一定得到满足。本章讨论某些假定不成立时的估计问题。 第五章 多重共线性 第一节 违背古典假定的估计问题 * 第二节 多重共线性（multi-collinearity） 如果假定10不成立，即在解释变量X1，X2，…，Xk中，存在线性关系。当解释变量间的确定线系关系存在时，存在不全为零的常数 这种关系为完全多重共线性，变量间的相关系数为1。实际上更多的情况是，解释变量间有不完全的线性关系：存在不全为零的数： 其中vi 为随机项。我们把这种解释变量间存在的完全或不完全的线性关系称为多重共线性。由于经济变量自身的性质，它们之间这种多重共线性或强或弱，普遍存在的。 假定λ10， * 第三节 多重共线性的影响 一、完全多重共线性 以两个解释变量的回归模型为例，假定回归模型为： 如果采用OLS估计，则有： 根据最小平方和原则，并求解正规方程组，可得到： * 如果X2与X3存在完全共线性，即 则： 因此，存在完全共线性时，不能利用OLS估计参数，参数的方差变为无限大。 * 二、不完全多重共线性 假定X2，X3 间存在不完全多重共线性， 以离差形式表示为： 。 其中vi 为随机项。则 * 显然，当解释变量X2、X3 之间的相关系数 r23 的绝对值越大，共线性程度就越高，参数估计值的方差就越大，越不准确，且随着相关系数的增大，方差以更大的幅度增加。 三、多重