计量经济学放松经典模型的假定.doc

Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-date计量经济学放松经典模型的假定异方差放松经典模型的假定异方差自相关（序列相关）多重共线性基本概念误差项的方差随着样本值的变化而变化，即，一般表现为随着样本值的增大而增大或减小，异方差问题常存在于截面数据中误差项之间不是相互独立的，即，至少对部分成立，其中称为正自相关，称为负自相关，（满足经典回归模型假设，）称为一阶自相关，是自相关最常见的形式，自相关问题一般存在于时间序列数据中变量之间有近似或完全的线性关系，即，该问题为多元线性回归所特有，其引起的原因及可能与变量的选择有关，也可能与数据本身有关产生原因1.随着经济变量数值的增大，其真实值、观测误差波动的幅度及随机影响因素也会增大2.统计误差会随着数据采集机统计技术的改进而缩小3.异常值的出现4.模型设定的偏误或（截面数据中的）遗漏某些重要的解释变量（假性异方差）5.一个或多个回归元的偏态分布6.不正确的数据或函数形式的转换7.随机因素的影响（如自然灾害、政策变动、金融危机等不具有确定性和重复性）1.（时间序列）数据的惯性作用2.模型设定偏误：应含而未含变量的情形或不正确的函数形式3.蛛网现象4.变量的滞后效应5.数据的编造6.不正确的数据变换7.非平稳性8.随即因素的干扰1.数据采集所用的方法2.模型或从中取样的总体受到约束3.模型设定偏差：包含多余变量4.自变量量个数多于样本个数（过度决定模型）5.回归元所具有相同的时间趋势6.经济变量间密切的内在联系7.解释变量中含有大量的滞后变量该条件下的OLS估计量性质1.参数估计仍为线性2.无偏估计量3.渐近正态分布的（大样本中）4.但不再具有最小方差性1.参数估计仍为线性2.无偏估计量3.渐近正态分布的（大样本中）4.但不再具有最小方差性1.参数估计仍为线性2.无偏估计量3. OLS估计量仍然是BLUE估计，但有较大的方差4.参数OLS估计量的方差增大不良后果（危害）1.参数OLS估计的方差增大异，不再具有最小方差性，OLS估计量不再是BLUE估计2.变量参数的显著性检验检验失效3.预测的精度下降1.参数OLS估计的方差增大异，不再具有最小方差性，OLS估计量不再是BLUE估计2.模型的显著性检验检验和参数的显著性检验检验失效3.区间估计和预测的精度下降。1.参数OLS估计量的方差增大2.难以区分单个解释变量的独立影响3.回归模型缺乏稳定性，容易出现参数符号和数值大小异常或对样本变化过度敏感4.置信区间变宽，值较高而检验降低，检验可靠性降低如何识别1.图示法或残差序列图（呈现有规律的变化，并可以看出两者之间的关系，从而为处理异方差问题做准备）2.帕克检验3.戈德菲尔德-匡特检验（适用于大样本，线性，递增/减方差）4.布鲁奇-培根检验5.斯皮尔曼等级相关系数检验6.戈里瑟检验7.怀特检验（适用于大样本）8.ARCH检验（自回归条件异方差检验，适用于时间序列数据）1.图示法或或或2.D-W检验（该方法有6个条件限制和4个缺陷）3.游程检验（runs test或Geary test）4.自相关的一般性检验：布劳殊-戈弗雷（B-G）检验,也称拉格朗日（L-M）检验5.偏相关系数检验（适用高阶自相关检验）6.回归检验法：计算，并建立其、的回归方程(采用常见的函数形式)，然后进行统计检验：不推荐使用1.图示法2.辅助回归法：利用其中一个解释变量对其余解释变量进行回归，通过计算统计量3.利用其中一个解释变量对其余解释变量进行回归，通过系数或（简单相关系数矩阵法）进行判断4.回归分析结果中F检验通过（较高）而变量参数的t检验不能通过5.方差膨胀因子判别法：（即）6.估计参数结果与预期值相反或估计参数结果大（或小）得令人难以接受7.回归结果对样本变化过度敏感：增加（或减少）几个样本，回归参数结果有很大变化8.逐步回归法9.修正的Frish 判别法解决方法1.加权最小二乘法（已知）2. 模型变换法：模型两边同除以（适用于，为已知常数且）(本质上为加权最小二乘法)3. 广义最小二乘法4.模型的对数变换5.变换法一、已知：1.一阶差分法，也叫直接差分法，（适用于有很强的一阶正自相关性， ）2.广义差分法（乘差分法）3.移动平均回归模型（适用于）二、未知：4.柯-奥迭代法5.杜宾两步法6.利用D-W统计量来求，1.忽略法：不做任何处理，无为而治，当 2.增加样本容量法3.变换模型形式：整合变量或删除（不重要的）变量法4.利用先验信息改变参数的约束形式5.综合使用时序数据与截面数据6.直接差分法7.辅助回归法8.逐步回归法（综合分析法）9.因素分析法10.主成分分析法11.岭回归12.修正Frish法检验异方差的方法：戈德菲尔德-匡特检验（适用于大样本，线性，递增/减方差）D的基本思想：将变量排序，分组，让其回归残差平和除以各自的自由度再相比，将结果与。若大于，则存在异方差帕克检验（或戈里瑟检验）基本思想：找出与的关系，进行回归，判断显著性。若参数系数显著，则存在异方差怀特检验的基本思想：先进行OLS回归，然后计算，求对、以及的回归估计式，并计算与的大小。若大于，则存在异方差总结：帕克检验、戈里瑟检验、怀特检验都是通过对解释变量各种形式的回归方程来判断不同的解释变量观测点上误差项的方差是否一致，以此来判断异方差性是否存在。因此他们统称为残差回归检验法。D-W检验的基本思想：D-W检验实际上是一种残差序列分析，因为用与检验的D-W统计量是根据回归残差序列计算的。D-W检验首先假设线性回归模型存在一阶自回归问题，即，其中，是均值为0的独立同分布的随机变量，然后检验的显著性，为了方便起见，检验的起见分布D-W检验的限制条件：1.回归方程含有截距项2.解释变量是非随机的3.只适用于一阶自回归4.误差项服从正态分布5.解释变量中不含滞后因变量6.无数据缺落D-W检验的缺陷：1. 只适用于一阶自回归2.不适用于分布滞后模型和联立方程模型3.存在无法判断的区域4.在样本数较少或解释变量较多时不适用-