放宽基本假定的模型12.pptVIP

于是，LM=21?0.6614=13.89 取?=5%，?2分布的临界值?20.05(3)=7.815 LM ?20.05(3) 表明: 存在自相关；但ět-3的参数不显著，说明不存在3阶序列相关性。 所以原模型存在1阶和2阶序列相关性 3. 运用广义差分法进行自相关的处理 （1）采用杜宾两步法估计? 第一步，变换模型估计? （1.76） (6.64) (-1.76) (5.88) (-5.19) (5.30) 第二步，作差分变换： 则M*关于GDP*的OLS估计结果为：(广义差分法模型估计结果) （2.76） (16.46) 得 取?=5%，DWdu=1.43 (样本容量24-2=22) 表明：广义差分法模型已不存在一阶自相关, 经LM检验，不存在二阶自相关 于是消除序列相关的原模型为： 与OLS估计结果的差别只在截距项： （2）采用科克伦-奥科特迭代法估计? 在Eviews软件下，2阶广义差分的结果为： 取?=5% ，DWdu=1.66(样本容量:22) 表明:广义差分模型已不存在序列相关性。 (3.81) (18.45) (6.11) (-3.61) 可以验证: 仅采用1阶广义差分，变换后的模型仍存在1阶自相关性； 采用3阶广义差分，变换后的模型不再有自相关性，但AR[3]的系数的t值不显著。 一、多重共线性的概念 二、实际经济问题中的多重共线性 三、多重共线性的后果 四、多重共线性的检验 五、克服多重共线性的方法 六、案例 §4.3 多重共线性 一、多重共线性的概念 对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n 其基本假设之一是解释变量是互相独立的。 如果某两个或多个解释变量之间出现了相关性，则称为多重共线性(Multicollinearity)。 如果存在 c1X1i+c2X2i+…+ckXki=0 i=1,2,…,n 其中: ci不全为0，则称为解释变量间存在完全共线性（perfect multicollinearity）。 如果存在 c1X1i+c2X2i+…+ckXki+vi=0 i=1,2,…,n 其中ci不全为0，vi为随机误差项，则称为 近似共线性（approximate multicollinearity）或交互相关(intercorrelated)。 在矩阵表示的线性回归模型 Y=X?+?中，完全共线性指：秩(X)k+1，即 中，至少有一列向量可由其他列向量（不包括第一列）线性表示出。 如：X2= ?X1，则X2对Y的作用可由X1代替。 二、实际经济问题中的多重共线性 一般地，产生多重共线性的主要原因有以下三个方面： （1）经济变量相关的共同趋势 时间序列样本：经济繁荣时期，各基本经济变量（收入、消费、投资、价格）都趋于增长；衰退时期，又同时趋于下降。 （2）滞后变量的引入 在经济计量模型中，往往需要引入滞后经济变量来反映真实的经济关系。 例如，消费=f(当期收入, 前期收入） 显然，两期收入间有较强的线性相关性。 消费=f(当期收入, 前期消费） 当期收入与前期消费间有较强的线性相关性。 横截面数据：生产函数中，资本投入与劳动力投入往往出现高度相关情况，大企业二者都大，小企业都小。 如果模型被检验证明存在序列相关性，则需要发展新的方法估计模型。 最常用的方法: 广义最小二乘法（GLS: Generalized least squares）广义差分法(Generalized Difference)。 五、序列相关的补救 1. 广义最小二乘法 对于模型 Y=X?+ ? 如果存在序列相关，同时存在异方差，即有 ?是一对称正定矩阵