异方差性、自相关以及广义最小二乘(GLS).docVIP

异方差性、自相关以及广义最小二乘〔GLS、FGLS〕

蒋岳祥

〔浙江大学经济学院〕

古典模型中的b的非线性函数的分布及其检验

异方差性和自相关〔非球形扰动〕

问题的提出

广义最小二乘〔GLS〕

可行广义最小二乘〔FGLS〕

三、异方差不含自相关的检验〔怀特检验〕

一、古典模型中的b的非线性函数的分布及其检验

b的函数的渐近分布——得尔塔方法

斯拉茨基定理对一个不是n的函数的连续函数g(xn)，有

如果f(b)是一组关于最小二乘估计量J个连续的线性或非线性的函数并令

G是J×K矩阵，其中第j行是第j个函数关于b的导数。利用〔4-21〕的斯拉茨基〔Slutsky〕定理，

并且

，

于是

〔0〕

实际上，渐近协方差矩阵的估计量是

如果某个函数是非线性的，那么b的无偏的性质不会传给f(b)。不过从〔0〕中可得f(b)是f(β)的一致估计量，而且渐近协方差矩阵很容易获得。对f(β)的检验也很容易。

二、异方差性和自相关〔非球型扰动〕

问题的提出

多元化回归模型扰动项违背古典假设的更一般的模型是广义回归模型，即假设

〔1〕

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。古典假设条件情况只是这种模型的一个特例。

我们将仔细考察的两种情况是异方差性和自相关。

当扰动项有