第14章--其他回归方法.pptVIP

第十四章其他回归方法;线性回归模型的根本假设;古典线性回归模型的一个重要假设是总体回归方程的随机扰动项同方差，即他们具有相同的方差。如果随机扰动项的方差随观测值不同而异，即的方差为，就是异方差。用符号表示异方差为。

异方差性在许多应用中都存在，但主要出现在截面数据分析中。例如我们调查不同规模公司的利润，会发现大公司的利润变化幅度要比小公司的利润变化幅度大，即大公司利润的方差比小公司利润的方差大。利润方差的大小取决于公司的规模、产业特点、研究开发支出多少等因素。又如在分析家庭支出模式时，我们会发现高收入家庭通常比低收入家庭对某些商品的支出有更大的方差。;变量;我们研究人均家庭交通及通讯支出(CUM)和可支配收入(IN)的关系，考虑如下方程：CUM=B0+B1IN+ui

利用普通最小二乘法，得到如下回归模型：

CUM=-56.917+0.05807*IN

(1.57)(8.96)

R2=0.74D.W.=2.00;从图形上可以看出，平均而言，城镇居民家庭交通和通讯支出随可支配收入的增加而增加。但是，值得注意的是：随着可支配收入的增加，交通和通讯支出的变动幅度也增大了，可能存在异方差。如果我们把回归方程中得到的残差对各个观测值作图，那么可以清楚地看到这一点。

异方差的存在并不破坏普通最小二乘法的无偏性，但是估计量却不是有效的，即使对大样本也是如此，因为缺乏有效性，所以通常的假设检验值不可靠。因此疑心存在异方差或者已经检测到异方差的存在，那么采取补救措施就很重要。

假设有形式的异方差性，并且有序列w，其值与误差标准差的倒数成比例。这时可以采用权数序列为w的加权最小二乘估计来修正异方差性。;对加权自变量和因变量最小化残差平方和得到估计结果:;;使用加权最小二乘法估计方程，首先到主菜单中选Quick/EstimateEquation…,然后选择LS-LeastSquares(NLSandARMA)。在对话框中输入方程说明和样本，然后按Options钮,出现如下对话框：;;EViews会翻开结果窗口显示标准系数结果〔如上图〕，包括加权统计量和未加权统计量。加权统计结果是用加权数据计算得到的：;§14.2异方差性和自相关一致协方差〔HAC〕

HeteroskedasticityandAutocorrelationConsistentCovariances;§14.2.1异方差一致协方差估计〔White〕

HeteroskedasticityConsistentCovariances〔White〕;在输出结果中，EViews会包含一行文字说明说明使用了White估计量。;§14.2.2HAC一致协方差〔Newey-West〕;§14.3二阶段最小二乘法;二阶段最小二乘〔TSLS〕是工具变量回归的特例。在二阶段最小二乘估计中有两个独立的阶段。在第一个阶段中，TSLS找到可用于工具变量的内生和外生变量。这个阶段包括估计模型中每个变量关于工具变量的最小二乘回归。第二个阶段是对原始方程的回归，所有变量用第一个阶段回归得到的拟合值来代替。这个回归的系数就是TSLS估计。

不必担忧TSLS估计中别离的阶段，因为EViews会使用工具变量技术同时估计两个阶段。令Z为工具变量矩阵，y和X是因变量和解释变量矩阵。那么二阶段最小二乘估计的系数由下式计算出来：;§14.3.1EViews中进行TSLS估计;输入工具变量时，应注意以下问题：

１．使用TSLS估计，方程说明必需满足识别的阶条件，即工具变量的个数至少与方程的系数一样多。参见Davidson和MacKinnon(1994)和Johnston和DiNardo(1997)的讨论。

２．根据经济计量学理论，与扰动项不相关的解释变量可以用作工具变量。

３．常数c是一个适宜的工具变量，如果忽略了它，EViews会自动把它加进去。;例如，假设要估计12_2工作文件中的消费方程eqcs包括消费〔CS〕、国内生产总值〔GDP〕、消费滞后值〔CS(-1)〕、趋势变量〔TIME〕和常数〔C〕。GDP是内生变量因此与残差相关，而我们可以认为政府支出〔G〕，货币供给的对数值〔LM〕，消