叶阿忠-计量经济学(数字教材版)第五章 放宽基本假定的模型 知识点.docxVIP

第五章 放宽基本假定的模型 一、知识点列表 序号 知 识 点 页码 教材章节 1 多重共线性概念 P1 5.1 2 多重共线性产生的原因 P1 5.1.2 3 多重共线性的后果 P1-P3 5.1.3 4 多重共线性的检验（判断多重共线性是否存在、确定多重共线性的范围） P3 5.1.4 5 克服多重共线性的方法（排除引起共线性的变量、岭回归法） P3-P11 5.1.5 6 异方差性概念、类型和来源 P11 5.2.1 7 异方差性的检验（图示法、布罗施—帕甘、G-Q法、怀特法） P12-P14 5.2.2 8 异方差性的修正（加权最小二乘法、异方差稳健标准误法） P14-P15 5.2.3 9 序列相关性的定义及后果 P22 5.3.1 10 序列相关的检验方法（图示法、回归检验法、D.W.检验法、拉格朗日乘数检验法、自相关图法、Q统计量检验） P22-P25 5.3.1 11 序列相关性的修正（广义最小二乘法、广义差分法、序列相关稳健标准误法、序列相关稳健估计方法） P27-P31 5.3.2 二、关键词 1、多重共线性概念 关键词： 多重共线性 对于回归模型：，如果某两个或多个解释变量之间出现了相关性，则称为存在多重共线性。而多重共线性又可分为完全共线性和近似共线性（交互相关）。 2、异方差性概念、类型和来源 关键词： 异方差性 对于回归模型：，如果出现 即对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。可以认为被解释变量的波动幅度随解释变量不同而变化时，产生了异方差。并且异方差可以分为以下三类:（1）单调递增型（随机干扰的方程随被解释变量的增大而增大）；（2）单调递减型（随机干扰的方程随被解释变量的增大而减少）；（3）复杂型（随机干扰的方程随被解释变量的增大而减少）。 3、异方差性的检验 关键词：布罗施—帕甘检验（B-P检验） 布罗施—帕甘检验（B-P检验）是通过将OLS残差的平方对模型中解释变量做回归的一种检查异方差的方法。。 关键词：G-Q(Goldfeld-Quandt)检验 G-Q检验是先按某一解释变量对样本排序，再对排序后的样本一分为二，对两个子样本分别进行普通最小二乘回归，然后利用两个子样本的残差平方和之比构造F统计量进行检验异方差的方法。 关键词：怀特（White）检验 怀特（White）检验是将OLS残差的平方对OLS拟合值和拟合值的平方进行回归的一种异方差检验方法。其最一般的形式是将OLS残差的平方对解释变量、解释变量的平方和和解释变量之间所有多余的交互项进行回归。 3、异方差性的修正 关键词：加权最小二乘法 加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。其中，每个残差平方都用一个等于误差（估计）方差的倒数作为权数。 关键词：异方差-稳健标准误法 异方差-稳健标准误法是对未知形式的异方差保持（渐近）稳健的误差。通过先采用普通最小二乘估计量，再对估计量的方差进行修正，从而消除异方差性的后果。 4、序列相关性的定义及后果 关键词：序列相关性 在时间序列或面板数据模型中，不同时期的误差之间存在相关性，从而称为序列的相关性。 4、序列相关的检验方法 关键词：D.W.检验法 在经典线性回归假设下，用于检验时间序列回归模型之误差项中的一阶序列相关的检验方法。 关键词：拉格朗日乘数（LM）检验 拉格朗日乘数检验法是仅在大样本下用于检验遗漏变量、异方差性、序列相关和不同模型设定问题的检验方法。 关键词：自相关系数 自相关系数是用来刻画时间序列与其滞后项的相关性程度。若一个时间序列，其滞后k阶的自相关系数为： 关键词：偏自相关系数 偏自相关系数刻画的是与滞后k阶的之间的条件相关性。与的估计偏自相关系数的计算公式为： 其中，是滞后k阶的自相关系数。 5、序列相关性的修正 关键词：广义最小二乘法 广义最小二乘法是通过对原始模型的转换，解释了误差方差的已知结构（异方差性）、误差中的序列相关形式或同时解释二者的方法。 关键词：广义差分法 广义差分法是一类克服序列相关性的有效方法，是将原模型变换为满足普通最小二乘法的差分模型，在进行普通最小二乘估计。 关键词：序列相关稳健估计法 序列相关稳健估计法是通过采用最小二乘法估计原模型，滞后再对参数估计量的方程或标准差进行修正，从而克服序列相关性。 关键词：序列相关稳健估计方法 序列相关的稳健性估计方法又称之为Newey-West方法，该方法与广义最小二乘法相似，只改变标准误的估计值，而不改变回归系数的估计值。为了不忽略高阶自相关，样本容量的变化对估计值的影响，Newey-West方法先计算样本的1/4或者1/3次幂，然后检验残差的自相关性。