计量经济学课件4放宽基本假定模型.pptVIP

章经典单方程计量经济学模型：放宽基本假定的模型

;本章的重点和难点：

检验并修正异方差、自相关、共线性和随机解释变量;说明

○计量经济检验：主要对模型的基本假定进行检验。

○基本假定的违背主要包括：

⑴随机误差项序列存在异方差性；

⑵随机误差项序列存在序列相关性；

⑶解释变量之间存在多重共线性；

⑷解释变量是随机变量且与随机误差项相关的随机解释变量问题；

⑸模型设定有偏误；

⑹解释变量的方差不随样本容量的增而收敛。

本章主要学习前4类;§4.1随机项异方差;一、异方差的概念和分类;二、实际经济问题中的异方差;三、异方差产生的后果;四、异方差的检验;检验思路

由于异方差就是相对于不同的解释变量观测值，随机误差项具有不同的方差。那么：检验异方差，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。问题在于用什么来表示随机误差项的方差？一般的处理方法是：

;1、图示法;2、帕克(Park)检验与戈里瑟(Gleiser)检验;3、戈德菲尔德-匡特(Goldfeld-Quandt)检验;4、怀特（White）检验;五、异方差修正;1、加权最小二乘法的基本思想;2、异方差修正案例分析;3、异方差修正原理;4、如何得到权矩阵D-1？;六、案例分析：

中国农村居民人均消费函数;20;进行异方差检验;3、怀特检验。作辅助回归:

ê2=-0.17+0.102lnX1+0.015(lnX1)2-0.055lnX2+0.026(lnX2)2-0.043lnX1lnX2

(-0.04)(0.10)(0.21)(-0.12)(1.47)(-1.11)

R2=0.4638，似乎没有哪个参数的t检验是显著的。但是拉格朗日统计量：LM=nR2=31*0.4638=14.38。在?=5%的置信水平下，临界值?20.05(5)=11.07，LM大于临界值，则拒绝同方差性。

去掉交叉项后的辅助回归结果：

ê2=3.842-0.570lnX1+0.042(lnX1)2-0.539lnX2+0.039(lnX2)2

(1.36)(-0.64)(0.64)(-2.76)(2.90)

R2=0.4374，X2项与X2的平方项的参数的t检验是显著的，并且拉格朗日统计量：LM=nR2=31*0.4374=13.56。在?=5%的水平下，临界值?20.05(4)=9.49，LM大于临界值，则拒绝同方差的原假设。

对原模型进行OLS估计，得到随机误差项的近似估计量ěi，以此构成权矩阵?2W的估计量；再以1/|ěi|为权重进行WLS估计，得到：ln?=1.497+0.319lnX1+0.527lnX2

(5.12)(5.94)(28.94)

SMPL:1-31R2=0.9999D.W=2.49F=924432RSS=0.0706

各项统计检验指标全面改善。;一、序列自相关概念

二、实际经济问题中的序列相关性

三、序列自相关的后果

四、序列自相关的检验

五、案例分析;一、序列自相关的概念;二、实际经济问题中的序列相关性;3.数据的“编造”。

★在实际经济问题中，有些数据是通过已知数据生成的。因此，新生成的数据与原数据间就有了内在的联系，表现出序列相关性。

★例如：季度数据来自月度数据的简单平均，这种平均的计算减弱了每月数据的波动性，从而使随机干扰项出现序列相关。尤其是在统计学中，往往要平滑数据

★还有就是两个时间点之间的“内插”技术往往导致随机项的序列相关性。

★一般经验告诉我们：对于采用时间序列数据作样本的计量经济学问题，由于在不同样本点上解释变量以外的其他因素在时间上的连续性，带来他们对被解释变量的影响的连续性，所以往往存在序列相关性。;计量经济学模型一旦出现序列相关性，其OLS的模型参数估计，会产生下列不良后果：

1、参数估计量非有效。因为，在有效性证明中利用了

E(??)=?2I。即同方差性和互相独立性条件。

而且，在大样本情况下，参数估计量虽然具有一致性，但仍然不具有渐近有效性。

2、变量的显著性检验失去意义。在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方差性和互相独立性时才能成立。

如果出现自相关，则参数方差会出现偏误，导致t检验失效。其他检验也是如此。

3、模型的预测失效。区间预测与参数估计量的方差有关，在方差有偏的情况下，使得预测估计不准，预测精度降低。

所以，当模型出现序列相关性时，它的预测功能失效。;序列相关性检验方法有多种，冯诺曼比检验、回归检验、D.W检验等