第10讲〔计量经济学第三章〕.pptVIP

方法三、杜宾-瓦森（Durbin-Watson）检验法 该方法的适用条件是： 解释变量X是确定性的； 回归模型中不含有滞后被解释变量作为解释变量； 回归含有截距项。 方法之四：拉格朗日乘数（Lagrange multiplier）检验 适用于序列相关的所有情况，以及模型中存在滞后被解释变量的情形。 四、序列相关的补救—广义差分法(Generalized Difference) 1、多重共线性的概念 2、实际经济问题中的多重共线性 产生多重共线性的主要原因： 多重共线性使参数估计量的方差增大，定义1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF) 1、检验多重共线性是否存在 (1)对两个解释变量的模型，多重共线性的检验方法：简单相关系数法：求出X1与X2的简单相关系数r，若|r|接近1，则说明两变量存在较强的多重共线性。 2、判断存在多重共线性的范围：是哪些解释变量存在多重共线性。 (1) 判定系数检验法（辅助回归检验法） 用模型中每一个解释变量分别对其余解释变量进行辅助回归，计算相应的拟合优度。 如果某一种回归Xji=?1X1i+?2X2i+??LXLi的可决系数较大，说明Xj与其他X间存在共线性。 对相应回归方程的显著性进行检验 (2)逐步回归检验法 以Y为被解释变量，逐个引入解释变量，进行模型估计。 根据拟合优度的变化决定新引入的变量与模型中已有解释变量是否相关。 如果拟合优度变化显著，且对模型中的原变量的系数估计无明显影响，则基本可以说明新引入的变量是一个独立的解释变量； 如果拟合优度变化不显著，且对模型中原有变量系数估计有明显影响，则说明新引入的变量与其它变量之间存在共线性关系。 2、第二类方法：差分法 适用于时间序列数据模型;将原模型变换为差分模型,可以有效地消除原模型中的多重共线性。 一般讲，对于经济数据，增量之间的线性关系远比总量之间的线性关系弱得多。 注意：若解释变量有高度的相关性，则此各解释变量前的系数就不能反映各自与被解释变量的关系，而是反映解释变量对被解释变量的共同影响。 三、多重共线性的检验 多重共线性的直观印象1：如果将模型用OLS估计出以后，R2与F值较大，参数的意义不合理，此时，可以断定解释变量存在多重共线性。 多重共线性的直观印象2:分别对于各解释变量进行回归时，变量都显著，但是对于解释变量的全体进行回归时，变量都不显著，则此时模型可能存在多重共线性。 （1）检验多重共线性是否存在，是完全多重共线性，还是近似多重共线性。 （2）判断哪些变量之间存在共线性。 (2)对多个解释变量的模型： 考察多个解释变量之间的相关系数是否比较大，若有两个解释变量之间的相关系数比较大，则存在多重共线性。 对多重共线性的说明： 实际的数据模型中，无论是时间序列数据模型还是对截面数据建立的模型，都会存在多重共线性的问题，只是有的数据模型多重共线性程度较轻，有的数据模型多重共线性的程度较重而已。 对于多重共线程度稍轻的模型不做处理也是可能接受的。 找出引起多重共线性的解释变量，将它剔除。 逐步回归法。 注意：剩余解释变量参数的经济含义和数值都发生了变化。 1、第一类方法：排除引起共线性的变量 四、克服多重共线性的方法 * 一、序列相关性的概念 上一讲回顾： 二、序列相关的类型 三、模型存在序列相关，普通最小二乘估计的性质 四、序列相关的检验 该方法只能检验模型随机扰动项之间是否存在一阶自相关 D.W. 统计量: 对原模型进行OLS估计，用残差构造统计量。 显然： H0: ?=0 DW与残差自相关系数的关系。 一阶完全正相关， ? = 1， D.W. ? 0 ； 一阶完全负相关， ? = -1, D.W. ? 4； 不相关， ? = 0， D.W. ? 2 ； DW的分布并不能精确知道。因此，并不能确定临界值。但是Durbin-Watson（1951）推导出临界值的上界和下界，制定了检验规则。 D.W检验规则: 计算DW值 给定?，由n和参数个数的多少查DW分布表，得临界值dL和dU 比较、判断 0D.W.dL 存在正自相关 dLD.W.dU 不能确定 dU D.W.4－dU 无自相关 4－dU D.W.4－ dL 不能确定 4－dL D.W.4 存在负自相关 结论：DW近似为2时，不存在自相关。 H0: ?1=?2=…=?k =0 n为样本容量，R2为辅助回归的可决系数，k为相关阶数 进行如下辅助回归： 注意与