数量经济学课件-性回归的问题和分析方法扩展（上）.pptVIP

一、异方差及其影响 异方差可以表示为 或 * 两变量线性回归模型的异方差 * 普遍性：两类数据都有，横截面数据更多。 原因： 波动、不确定性与经济规模的比例关系 ——赚钱越多，消费的选择余地越大。 自回归条件异方差。 影响：最小二乘估计的有效性和价值有问题，最小方差性不成立。 * 二、假性异方差 有些定式误差也会表现出异方差的特征 例：真实关系为 ，其中 满足线性回归模型所有假设，包括 和 。 如果误以为模型为 ，那么 若记 则 * 三、异方差的发现和判断 （一）残差序列分析 （二）戈德菲尔德-夸特检验 （三）戈里瑟检验 * （一）残差序列分析 (a) (b) * (c) (d) * (e) (f) * （二）戈德菲尔德-夸特检验 统计量： 如果 ，误差项存在明显的递增异方差性； 如果 ，误差项没有明显的异方差性。 * （三）戈里瑟检验 异方差的戈里瑟检验 * （三）戈里瑟检验 通常拟合 和 之间的回归模型： 根据图形中的分布选择 还可以拟合 和 之间的回归模型 * 四、异方差的克服和处理 如线性回归模型为 经检验，误差项有如下异方差性 可以用 除模型各项，得到 * 四、异方差的克服和处理 新模型的误差项方差为 对新模型进行最小二乘估计的残差平方和 * 加权最小二乘法 在上述公式中的 = 理解成权重，则构成了“加权最小二乘法” * 第三节 误差序列相关 一、问题的性质和原因 二、发现和判断 三、误差序列相关的处理和克服 * 一、问题的性质和原因 线性回归模型假设要求 对任意 都成立 误差序列相关比较基本和重要类型——一阶自回归（为什么重视一阶自回归？）： 其中 满足 * 线性回归的问题和分析方法扩展（上） * 第一节 误差项均值非零 第二节 异方差 第三节 误差序列相关 * 第一节 误差项均值非零 一、问题及后果 二、异常值问题 三、规律性扰动问题 四、解释变量缺落和参数改变 五、变量关系非线性 * 一、问题和后果 问题： 原因：异常值、季节性扰动、经济周期、变量缺落、参数变化、变量关系非线性等。 后果：回归分析、预测不再有效。无偏、有效性都不成立，模型无价值。 * 二、异常值问题 （一）问题的特征 （二）发现和判断 （三）问题的处理 * （一）问题的特征 例如变量 和 在长期的关系中，基本上都满足线性回归模型的各个假设，但在时刻 有了一个突发情况，如果仍然用线性回归模型 这个模型的误差项 的均值，实际上就是 * （二）发现和判断 基本方法：回归残差序列分析 具体方法： 根据残差序列计算残差的标准差 用 去除各个残差，如果发现某个残差 存在 的情况时，应该高度怀疑模型在时点 存在异常值问题 * （二）发现和判断 异常值的检验 注意有经济意义的根据。 * （三）问题的处理 问题 方法：引入一个针对性的虚拟变量，定义式为 得到一个新的回归模型 * （三）问题的处理 由于两个模型的误差项之间有关系 因此 * 例4-1 * 三、规律性扰动问题 例1：变量Y的季度数据中，第一季度总会受到一个季节性因素的影响。 使用虚拟变量： * 例2：一年中的第一季度会受到一种季节性扰动，第三季度也会受到一种方向和力度与第一季度不同的扰动。 引入两个虚拟变量： * 例3：用截面数据研究收入或消费规律时，观测对象的性别也是一个影响因素。 引入一个虚拟变量： * 关于虚拟变量的说明： 虚拟变量也称哑变量（dummy variable) 虚拟变量反映定性影响的作用，作用可扩展，离散选择模型等 当心虚拟变量陷阱 * 四、解释变量缺落和参数改变 （一）问题 （二）发现和判断 （三）克服和处理 * （一）问题： 1、解释变量缺落 真实变量关系 建立回归模型忽略其中的变量，采用的变量关系 其中的误差项 * （一）问题： 2、参数改变 真实的变量关系是： 其中 和 都满足 和线性回归模型的其他假设，