经典计量经济学模型(放宽基本假定的问题).pptVIP

六、随机误差项相关系数的估计 应用广义最小二乘法或广义差分法，必须已知随机误差项的相关系数?1, ?2, … , ?L 。 实际上，人们并不知道它们的具体数值，所以必须首先对它们进行估计。 常用的估计方法有： 科克伦-奥科特（Cochrane-Orcutt）迭代法。 杜宾（durbin）两步法 当前第95页\共有173页\编于星期三\10点 1.用DW统计量的值计算ρ 由DW的证明,有: 利用残差求出DW检验值，然后利用上式计算自相关系数ρ的估计值． 当前第96页\共有173页\编于星期三\10点 2.科克伦-奥科特迭代法。 以一元线性模型为例： 首先，采用OLS法估计原模型 Yi=?0+?1Xi+ui 得到的u的“近似估计值”，并以之作为观测值使用OLS法估计下式 当前第97页\共有173页\编于星期三\10点 求出ui新的“近拟估计值”， 并以之作为样本观测值，再次估计 当前第98页\共有173页\编于星期三\10点 类似地，可进行第三次、第四次迭代。 关于迭代的次数，可根据具体的问题来定。 一般是事先给出一个精度，当相邻两次?1,?2, ? ,?L的估计值之差小于这一精度时，迭代终止。 实践中，有时只要迭代两次，就可得到较满意的结果。两次迭代过程也被称为科克伦-奥科特两步法。 当前第99页\共有173页\编于星期三\10点 3.杜宾（durbin）两步法 该方法仍是先估计?1,?2,?,?l，再对差分模型进行估计 第一步，变换差分模型为下列形式 进行OLS估计，得各Yj（j=i-1, i-2, …,i-l)前的系数?1,?2, ?, ?l的估计值 当前第100页\共有173页\编于星期三\10点 当前第101页\共有173页\编于星期三\10点 应用软件中的广义差分法 在Eview/TSP软件包下，广义差分采用了科克伦-奥科特（Cochrane-Orcutt）迭代法估计?。 在解释变量中引入AR(1)、AR(2)、…，即可得到参数和ρ1、ρ2、…的估计值。 其中AR(m)表示随机误差项的m阶自回归。在估计过程中自动完成了ρ1、ρ2、…的迭代。 当前第102页\共有173页\编于星期三\10点 当前第103页\共有173页\编于星期三\10点 如果能够找到一种方法，求得Ω或各序列相关系数?j的估计量，使得GLS能够实现，则称为可行的广义最小二乘法（FGLS, Feasible Generalized Least Squares）。 FGLS估计量，也称为可行的广义最小二乘估计量（feasible general least squares estimators） 可行的广义最小二乘估计量不再是无偏的，但却是一致的，而且在科克伦-奥科特迭代法下，估计量也具有渐近有效性。 前面提出的方法，就是FGLS 注意： 当前第104页\共有173页\编于星期三\10点 案例：人均消费与人均可支配收入 当前第105页\共有173页\编于星期三\10点 当前第106页\共有173页\编于星期三\10点 当前第107页\共有173页\编于星期三\10点 . K=1 n=23 α=0.05 dl=1.26 du=1.44 当前第108页\共有173页\编于星期三\10点 当前第109页\共有173页\编于星期三\10点 当前第110页\共有173页\编于星期三\10点 当前第111页\共有173页\编于星期三\10点 当前第112页\共有173页\编于星期三\10点 当前第113页\共有173页\编于星期三\10点 当前第114页\共有173页\编于星期三\10点 . 当前第115页\共有173页\编于星期三\10点 第三节 多重共线性 Multi-Collinearity 当前第116页\共有173页\编于星期三\10点 一、多重共线性的概念 二、多重共线性的来源与后果 三、多重共线性的检验 四、克服多重共线性的方法 五、案例 内 容 当前第117页\共有173页\编于星期三\10点 一、 多重共线性的概念 对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+ui i=1,2,…,n 其基本假设之一是解释变量是互相独立的。 如果某两个或多个解释变量之间出现了相关性，则称为多重共线性(Multicollinearity)。 当前第118