2014计量经济学复习资料 .docVIP

计量经济学复习资料 计量经济学框架（方法论） 古典线性回归模型假设（assumptions on CLRM） 回归模型对参数线性 在重复抽样中，xi是给定的 残差的平均数为0（E（ui）=0） 残差的方差为常量（同方差性） 残差之间是独立的（cov（ui，uj）=0）即没有自相关性和序列相关性 残差和xi之间不能有关联性（cov（xi，ui）=0） xi和xj没有完全的多重共线性 模型是可识别的 xi是可变的 n大于变量的个数 模型结构检验 Ho：c=0，t-test，p-value，即yi与xi是否有关 T绝对值越大，得到这样一个t值的p值因而就很小，所以拒绝原假设，yi与xi关系显著。 Ho：c（1）=c（2）=c（3）=0，f-test，p-value，即yi与xi，xj，xk是否关系显著 P值越小，拒绝原假设出错的概率就越小，所以yi与xi，xj，xk关系就显著 Ho：c（1）=a，c（2）+c（3）=b，wald-test，p-value 对yi和xi进行线性回归后，点击view-coefficient test-wald coefficient restrictions Ho：same structure，chow，p-value，即断点检验 对yi和xi进行线性回归后，点击view-stability tests-chow breakpoint test Ho：xi，omitted test，p-value，遗漏变量检验 对yi和xi进行线性回归后，点击view-coefficient test-omitted variables Ho：xi，rebundant test，p-value，冗余变量检验 对yi和袭进行线性回归后，点击view-coefficient test-rebundant variables Ho：R2 =0，f-test，p-value 做完回归方程后，看f值和p值大小，p值越小，即拒绝原假设，表明拟合水平越高。 Ho：AIC和SC 越小，模型越好 异方差的检验与救治 图像法 导入数据 做回归，在命令窗口中输入—ls y c x1 x2 对y 进行预测，得yf 在命令窗口中输入—genr u1=resid2 在命令窗口中输入—scat yf u1 由图像可知是否存在异方差。 Park 检验 在命令窗口中输入—ls y c x1 x2 对y进行预测，得yf1 在命令窗口中输入—genr u2=resid2 在命令窗口中输入—log（u2） c log（yf1） 由表可知，变量log（yf1）的系数为-4.572104，p值为0.0011，即存在相关性，所以判定存在异方差。 Glejser 检验 在命令窗口中输入—ls y c x1 x2 对y进行预测，得yf2 在命令窗口中输入—genr u3=abs（resid） 在命令窗口中输入—ls u3 c yf2n（n=±2，±0.5…） 由上例可知，yf2系数存在相关性，所以判定存在异方差。 White 检验 在命令窗口中输入—ls y c x1 x2 原假设：同方差 看p值 由表可知拒绝原假设，即存在异方差 异方差的救治 Park 检验法消除异方差 由表可知，权重为yf2.3 将y c x1 x2联立到一张工作表中，做回归 将权重加入进去，即可得出结果 自相关性的检验与救治 一：自相关性的检验 （一）图像法： 将数据导入进eviews中 在命令窗口中输入——ls y c x1 x2 继续输入——genr et=resid 生成新的序列et 在命令窗口中输入——scat et（–1）et 由上示图像表明干扰中的一个上升的线性趋势，即存在自相关性。 （二）D—W检验 先对方程做回归，即在命令窗口中输入——ls y c x1 x2 由上示表格可知，D—W值为0.49, 因为由表可知，当N=156，k=2时，dL=1.706，所以即残差之间正相关 （三）回归检验 在命令窗口中输入——ls y c x1 x2 在命令窗口中输入——genr et=resid，生成新的序列 在命令窗口中输入——ls et et（–1） 由表可知，p值远小于5％，所以残差项与滞后一期的残差项关系显著，可见残差存在自相关性，此时的一阶自相关模型同样存在正相关。 当残差项与其滞后一期残差的平方做回归时同样得到相同的结果 （四）B—G检验 对y x做回归 点击view—residual tests—serial correlation LM test 设置滞后期为一，结果如下 设置滞后期为2，结果如下 同样设置滞后期为3时，结果如下 由此可得，滞后期为1,2,3时，明