模型的建立与估计中的问题及对策课件.pptVIP

5．主成分法可將共線變數組合在一起形成一個綜合指數(變數)，用它來代表這組變數。構造綜合指數的最常用方法是主成分法。主成分法的計算相當複雜，這裏不做介紹。同學們需要瞭解的是，主成分的特點是，各主成分之間互不相關，並且，用很少幾個主成分就可以解釋全部X變數的絕大部分方差，因而在出現多重共線性時，可以用主成分替代原有解釋變數進行回歸計算，然後再將所得到的係數還原成原模型中的參數估計值。五.處理多重共線性問題的原則1.多重共線性是普遍存在的，輕微的多重共線性問題可不採取措施。3.如果模型僅用於預測，則只要擬合好，可不處理多重共線性問題，存在多重共線性的模型用於預測時，往往不影響預測結果。2.嚴重的多重共線性問題，一般可根據經驗或通過分析回歸結果發現。如影響係數的符號，重要的解釋變數t值很低。要根據不同情況採取必要措施。第三節異方差性回顧我們應用OLS法所需假設條件，其中大部分是有關擾動項的統計假設，它們是：（1）E(ut)=0,t=1,2,…,n.擾動項均值為0（2）Cov(ui,uj)=E(uiuj)=0,i≠j.擾動項相互獨立（3）Var(ut)=E(ut2)=?2,t=1,2,…,n.常數方差（4）ut～N(0,?2).正態性對於（1），我們可論證其合理性。而第（4）條，也沒有多大問題。大樣本即可假定擾動項服從正態分佈。而對於（2），（3）兩條，則無法論證其合理性。實際問題中，這兩條不成立的情況比比皆是。下麵即將討論它們不成立的情況，即異方差性和自相關的情形。一異方差性及其後果1． 定義若Var(ut)==常數的假設不成立，即Var(ut)=≠常數，則稱擾動項具有異方差性。2． 什麼情況下可能發生異方差性問題？解釋變數取值變動幅度大時，常數方差的假設往往難以成立。異方差性主要發生在橫截面數據的情況，時間序列問題中一般不會發生，除非時間跨度過大。例：Yi=α+βXi+ui其中：Y=指定規模和組成的家庭每月消費支出X=這樣的家庭的每月可支配收入設X的N個觀測值取自一個家庭可支配收入的橫截面樣本。某些家庭接近於勉強維持生存的水準，另一些家庭則有很高的收入。不難設想，低收入家庭的消費支出不大可能離開他們的均值E(Y)過遠，太高無法支持，太低則消費將處於維持生存的水準之下。因此，低收入家庭消費支出額的波動應當較小，因而擾動項具有較小的方差。而高收入家庭則沒有這種限制，其擾動項可能有大得多的方差。這就意味著異方差性。3．異方差性的後果（1）參數估計量不再具有最小方差的性質異方差性不破壞OLS估計量的無偏性，但不再是有效的。事實上，異方差性的存在導致OLS估計量既不是有效的，也不具有漸近有效性。（2）係數的顯著性檢驗失去意義更為嚴重的是，在異方差性的情況下，矩陣主對角元素不再是OLS估計量方差的無偏估計量，從而導致係數的置信區間和假設檢驗結果不可信賴。例如在雙變數模型中，如果傾向於低估的真實方差，則置信區間可能要比實際的窄，給我們一個錯誤資訊，好象得到的點預測值很精確。二異方差性的檢驗異方差性後果的嚴重性意味著我們在實踐中必須瞭解是否存在異方差性。常用的檢驗方法有：斯皮爾曼等級相關檢驗法(SpearmanRankRelationtest)戈德弗爾德—匡特檢驗法(GoldfeldQuandttest)格裏瑟檢驗法（Glesjertest）帕克檢驗法（Parktest）懷特檢驗法(White’sGeneralHeteroscedasticitytest)1．斯皮爾曼等級相關檢驗法思路：將異方差性與擾動項u和某個解釋變數X之間的相關程度掛鉤（即與Xt的大小有關），從而將對異方差性的研究轉化為對ut與Xt的相關程度的研究。由於擾動項無法觀測，因而用殘差代替之，轉化為對et與Xt的相關程度的研究，若et與Xt高度相關，則可推斷異方差性存在。在此無法用相關係數來檢驗，因為et與Xt的相關係數恒等於0：因而改用Xt和︱et︳的等級相關係數檢驗et和Xt的相關程度。等級相關係數的計算步驟（