计量经济学课件第五章.pptVIP

HebeiUniversityofTechnology第三篇违背经典假设的回归经典线性回归模型是建立在以下假定条件下的：假定1：随机误差项具有0均值,即E(ui|Xi)=0假定2：随机误差项同方差。即Var(ui|Xi)=?2假定3：随机误差项在不同样本点之间是独立的。即Cov(ui,uj)=0假定4：随机误差项与解释变量之间不相关。即，Cov(ui,Xi)=E(uiXi)=0假定5：Rank(X)=k+1或解释变量之间不存在线性关系假定6：随机误差项服从0均值、同方差的正态分布。即ui~N(0,?2)那么当一个或多个假定不能满足时，是否还可以直接应用普通最小二乘法进行参数估计呢？如果应用普通最小二乘法进行参数估计会对结果产生什么影响呢？我们又怎样来检验这些假定是否得到满足呢？如果不满足这些假定，又不能直接用普通最小二乘法进行参数估计，那么我们应作如何处理呢？关于假定（1），如果，且，那么如果我们建立的线性回归模型中包含常数项，即：则令：那么模型将变为这时满足假定（1），并且如果满足其他假定，则也满足其他假定。但如果模型中不包含常数项，则就可能不满足假定（1）。因此，在线性回归模型中，除非理论上说明可以不包含常数项，否则一般我们都包含常数项。关于假定（6），其检验方法主要是JB检验，列联表分析等。但假定（6）非常重要。实际上，在经典线性回归模型假定下，用上述一两种方法对正态性进行检验是很重要的。因为假设检验的过程在很大程度上依赖于正态性这个假定，尤其在样本容量较小时。直方图法正态概率图法雅克——贝拉检验第一节异方差性什么是异方差性异方差产生的原因异方差性带来的后果什么是异方差性Heteroscedasticity称为具有异方差性。异方差产生的原因通常来源于截面数据。测量误差和被省略的解释变量对被解释变量的影响。分组数据。使用分组数据时，分组不均有可能会造成异方差。估计量仍具有线性性和无偏性。异方差性带来的后果估计量仍具有线性性和无偏性。估计量不具有最小方差性（有效性）。t检验、F检验失效（由于不具有有效性）。预测区间无效第二节异方差的检验残差图法戈特菲尔德—夸特检验适用条件：（1）大样本（n）30）；（2）观测值至少应为参数个数的2倍；（3）随机项无自相关且服从正态分布（4）具有递增或递减方差1.建立假设：原假设：是同方差的；备择假设：是异方差的。2.处理观测值3.建立回归方程求残差平方和4.计算F统计量5.结论斯皮尔曼等级相关法1.原模型应用OLS法，计算残差2.计算的等级差3.计算等级相关系数4.总体等级相关系数进行显著性检验5.于给定显著性水平,如果，则拒绝原假设，接受备择假设。否则拒绝备择假设，接受原假设。所以数据存在异方差性。怀特检验法1.首先用普通最小二乘法估计回归方程，得残差2.然后作如下回归：3.求辅助方程的原假设下4.如果超过临界值，则认为存在异方差。帕克检验法1.建立回归方程，并计算的残差平方2.取异方差的函数形式为：两边取对数得3.建立方差结构回归模型4.对进行t检验。格莱泽检验建立被解释变量y对所有解释变量的回归方程，然后计算残差利用OLS法对上述函数进行估计，得回归方程。并计算每个回归方程的拟合优度，把拟合优度最大的作为最佳拟合的回归形式。对最佳线性中的参数进行显著性检验。巴特列特检验见张寿、于清文著《计量经济学》166页。Breusch—pagan检验是一种较好的检验方法，可以检验有多个解释变量引起的异方差的情况，详细的讨论见赵国庆著《计量经济学》115页。其他的检验还有：CUSUM、CUSUMSQ等，详细讨论见有关参考书。但在实际应用中，人们并不经常使用这些检验方法，更多的是从经济背景方面去分析与判断是否可能存在异方差性，如果可能，则选用适当的方法去估计模型的参数。第四节异方差问题的解决方法已知的情况（加权最小二乘法）未知的情况White异方差修正一致估计量方差稳定性变