第五章经典假设条件不满足时笔记教程.docx

第五章经典假设条件不满足时的问题及对策无偏性有效性一致性OLS估计量令人满意的性质，是根据一组假设条件而得到的。在实践中，如果某些假设条件不能满足，则OLS就不再适用于模型的估计。误设定（ Misspecification 或specification error）多重共线性（ Multicollinearity）异方差性（ Heteroscedasticity或Heteroskedasticity）自相关（ Autocorrelation）随机解释变量（ Stochastic explanatory variables）误设定模型中遗漏了对因变量有显著影响的解释变量的后果是：将使模型参数估计量不再是无偏估计量。X1和X2间存在一定的相关。模型中包括无关的解释变量，参数估计量仍无偏，但会增大估计量的方差，即增大误差。R12一般不等于0。在模型设定中的一般原则是尽量不漏掉有关的解释变量。因为估计量有偏比增大误差更严重。但如果方差很大，得到的无偏估计量也就没有多大意义了，因此也不宜随意乱增加解释变量。多项式是一种强有力的曲线拟合装置，但并不是万能的。多重共线性（ multicollinearity）完全/近似的多重共线性解决多重共线性的方法增加数据对模型施加某些约束条件删除一个或几个共线变量将模型适当变形有滞后变量的情形主成分法异方差性（本质？）案例：高低收入家庭异方差性的后果：参数估计量不再具有最小方差的性质系数的显著性检验结果不可信赖布鲁奇—帕根检验（ Breusch-Pagan）（和怀特检验很像）广义最小二乘法(Generalized least squares)看书P111有比较详细的解说自相关自相关的原因：（ 1）冲击的延期影响（惯性）（ 2）误设定DW法要检验的原假设是H0: ρ=0。