线性回归经典假设的分析.ppt

这里我们应该提及的是，①不适用于联立方程模型中各方程的序列相关检验。②DW统计量不适用于对高阶序列相关的检验。③因为DW统计量是以解释变量非随机为条件得出的，所以当有滞后的内生变量作解释变量时，DW检验无效。这方面的内容，将在第5章的§5.3中介绍。第127页，共188页，星期日，2025年，2月5日3、回归检验法回归检验法的优点是：第一，适合于任何形式的序列相关检验；第二，若结论是存在序列相关，则同时能提供出序列相关的具体形式与参数的估计值。缺点是计算量大。第128页，共188页，星期日，2025年，2月5日回归检验法的思想如下：①用给定样本估计模型并计算残差ei。②对残差序列ei,(i=1,2,…,n)用普通最小二乘法进行不同形式的回归拟合。如ei=?ei–1+viei=?1ei–1+?2ei–2+viei=?ei-12+vIei=?+vi…③对上述各种拟合形式进行显著性检验，从而确定误差项存在哪一种形式的序列相关。第129页，共188页，星期日，2025年，2月5日4.3.3序列相关的克服1、序列相关的克服方法如果模型的误差项存在序列相关，首先应分析产生序列相关的原因。如果序列相关是由于错误地设定模型的数学形式所致，那么就应当修改模型的数学形式。怎样查明序列相关是由于模型数学形式不妥造成的？一种方法是用残差ei对解释变量的较高次幂进行回归，然后对新的残差作DW检验，如果此时序列相关消失，则说明模型的数学形式不妥。第130页，共188页，星期日，2025年，2月5日如果序列相关是由于模型中省略了重要解释变量造成的，那么解决办法就是找出略去的解释变量，把它做为重要解释变量列入模型。怎样查明序列相关是由于略去重要解释变量引起的？一种方法是用残差ei对那些可能影响因变量但又未列入模型的解释变量回归，并作显著性检验，从而确定该解释变量的重要性。如果是重要解释变量，应该列入模型。只有当以上两种引起序列相关的原因都消除后，才能认为误差项“真正”存在序列相关。在这种情况下，解决办法是变换原回归模型，使变换后的随机误差项消除序列相关，进而利用普通最小二乘法估计回归参数。第131页，共188页，星期日，2025年，2月5日设原回归模型是(4.69)其中具有一阶自回归形式(4.70)其中满足通常的假定条件，把(4.70)式代入(4.69)式，(4.71)求模型(4.69)式的(i-1)期关系式，并在两侧同乘，(4.72)第132页，共188页，星期日，2025年，2月5日(2)高阶自回归形式当误差项的本期值不仅与其前一期值有关，而且与其前若干期的值都有关系时，即则称具有高阶自回归式。第95页，共188页，星期日，2025年，2月5日通常假定误差项的序列相关是线性的。因计量经济模型中序列相关的最常见形式是一阶自回归形式，所以下面重点讨论误差项的线性一阶自回归形式，即(4.52)其中是序列相关回归系数，是随机误差项。满足通常假设第96页，共188页，星期日，2025年，2月5日针对（4.52）式，利用OLS方法，得到的估计公式为，=(4.53)其中n是样本容量。若把，看作两个变量，则它们的相关系数是=(4.54)第97页，共188页，星期日，2025年，2月5日对于大样本而言，显然有