第一部分4 GLS和MLE(三大检验).pdfVIP

第四章 GLS和MLE 一、广义最小二乘法（GLS） 1、回归模型的矩阵表示 总体回归方程可表示为：y  Xβ ε 也可以写成：E[y|X ] = Xβ 。 当E( y | X) 取不同的形式时，也就构成了不同的模型，包括：线性、非线性 和非参数等。我们这里主要讨论的是线性模型(一元或多元) ：其中：  y  1 x11  x1j  x1 k1      1     0  y  1 x  x  x   y   2  ，X   21 2 j 2 k1  ，β   1           y   1 x  x  x  k1  N ( N1)  N1 Nj N k1  ( k1) ( Nk) T 表示样本数量， 表示解释变量个数（包含了常数项），当k k  2 时就是一 元线性回归模型。而ε      T 表示的是随机扰动项，包含了除了 1 2 N (1N ) 解释变量以外的其他影响因素。若遗漏变量，则这个变量也将被扰动项所包含。 2、经典假设满足时的残差项的方差协方差矩阵 在无异方差和无自相关的假定下，残差项的方差协方差矩阵是一个对角阵， 并且主对角线的元素都相同。即有：（ 2  0     2 E(εε|X) =     I  0  2  此时OLS 估计量是最优线性无偏估计BLUE ） 1 问题的提出：若扰动项违背球形假定，结果怎样？      2 （1） y  X  , E[ ] 0, E[ ]  其中Ω是一般的正定矩阵，而不是在古典假设的情况下的单位矩阵。 （1）异方差时 2 0  0   01 2  0  2 2    E(εε |X) =    2  Ω        0 0  2  n 存在异方差时的后果：OLS估计量是线性无偏估计，但不是最有效的。 处理方法： 第一条思路：找到最优线性无偏估计。具体方法加权最小二乘法（WLS）， 也就是模型变换法； 第二条思路：存在异方差时OLS估计量是线性无偏，但是原OLS方法得 到的方差计算公式有误。对于系数估计仍采用OLS 估计，对于系数的方差估计 进行修正