经济计量学课件（2021）4第四章 违背经典假定的回归模型.pptx

;前几章所讨论的回归模型是在满足经典假定条件下进行的。只有当一个回归模型满足经典假定条件时，才能得到一个较好的估计。然而，在研究实际的社会经济等问题时，经常会遇到一些违背经典假定的情况。

在这些情况下，如果直接用普通最小二乘法估计模型，参数的性质就很不理想。因此，如何处理这些问题，就是我们需要面对的问题。本章将重点讨论模型违背几种主要经典假定条件下的建模方法。;目;;异方差性的概念

异方差产生的背景和原因

异方差产生的后果

异方差性的检验

异方差性的修正;?;?;异方差性:在线性模型的基本假定中，关于方差不变的假定不成立，其他假定不变的情形称为异方差性。

;现实经济活动是非常错综复杂的，因而在建立实际问题的计量经济模型时，经常会出现某一因素或一些因素随着解释变量观测值的变化而对被解释变量产生不同的影响，从而导致随机误差项产生不同的方差。

引起异方差的原因有很多，如模型中省略了重要的解释变量，模型的函数形式设定不准确等都容易产生异方差。一般情况下样本数据为截面数据时容易产生异方差性。

;?;在式（4.4）的模型中，根据各户收入分成不同组别，一般情况下，低收入组的家庭购买差异性较小，大都购买生活必需品；而高收入组的家庭购买行为差异就很大，高档消费品很多，房子、汽车的规格选择余地也很大，这样购买金额的差异就很大，导致消费模型的随机误差项具有不同的方差。;【例4.2】利用某行业的不同企业的截面样本数据估计C－D生产函数;（一）对参数估计量统计特性的影响;（二）对参数显著性检验的影响;（三）对模型预测的影响;对于异方差性的检验，人们进行了大量的研究，目前提出的诊断方法已有十多种，但没有一个公认的最优方法，下面介绍几种常见的方法。

（一） 图示检验法

（二）等级相关系数法

（三）戈德菲尔德－夸特检验（样本分段比检验）

（四）戈里瑟（Glejser）检验

（五）怀特（White）检验;（一）图示检验法;（一）图示检验法;;;?;（二）等级相关系数法;?;?;（三）戈德菲尔德－夸特检验（样本分段比检验）;?;?;（四）戈里瑟（Glejser??检验;（五）怀特（White）检验;对于两个解释变量的回归模型;;当所研究的问题存在异方差性时，就违背了线性回归模型的经典假定。此时，就不能用普通最小二乘法进行参数估计。

必须寻求适当的补救方法，对原来的模型进行变换，使变换后的模型满足同方差性假定，然后使用普通最小二乘法进行模型参数的估计，就可得到理想的回归模型。

消除异方差性通常使用加权最小二乘法(WLS)。;?;;?;?;?;;自相关的概念

自相关的表现形式

自相关产生的背景和原因

自相关性的后果

序列相关的检验

补救措施;?;?;三、自相关产生的背景和原因;（一）模型设定误差;（二）经济变量的滞后效应;（三）实际问题中出现的蛛网现象;（四）数据处理造成的自相关;当一个线性回归模型的随机误差项存在自相关时，就违背了线性回归方程的经典假定，如果仍然直接用普通最小二乘法估计参数，将会产生严重后果，一般情况下自相关产生的后果与异方差类似，主要为以下几方面：

（一） 参数的估计量是无偏的,但不是有效的；

（二）可能严重低估误差项的方差；

（三）常用的Ｆ检验和t检验失效；

（四）预测功能失效。;随机误差项存在自相关时给普通最小二乘法的运用带来了诸多问题，因此，有必要诊断模型是否存在自相关性。下面介绍几种主要的诊断方法。

（一）图示检验法

（二）自相关系数法

（三）DW检验

（四）拉格朗日乘数检验;（一）图示检验法;?;?;?;具体见如下图4.5,4.6：;（二）自相关系数法;?;（三）DW检验;?;?;?;?;表4.3可以用坐标图更加直观地表示出来:;?;（四）拉格朗日乘数检验;?;当一个回归模型存在序列相关性时，首先要查明序列相关产生的原因。采取适当的补救措施。

对于（纯粹的）自相关，最常用的方法是广义差分法和广义最小二乘法。

接下来主要介绍一下差分法和广义最小二乘法。

（一）差分法

差分法是一类克服自相关的有效的方法，被广泛地采用。差分法是将原模型变换为差分模型，分为一阶差分法和广义差分法。;?;实际问题中，完全一阶正自相关的情况并不多见，所以人们不是经常直接使用差分模型。对于非完全一阶正自相关的情况，只要存在一定程度的一阶正自相关，差分模型就可以有效地加以克服。通常人们采用下面的广义差分法，但估计的过程将变得较为复杂。;?;?;?;?;;多重共线性的概念

多重共线性产生的背景和原因

多重共线性的后果

多重共线性的检验

多重共线性的补救措施;?;?;一般地，产生多重共线性的主要原因有以下四个方面：

（一）经济变量相关的共同趋势。

（二）模型中包含滞后变量。

（三）样本资料的限制。

（四）利用截面数据建立模型也可能出现多重共线性。