经典计量回归模型应用计量经济学.pptVIP

其中为与相关系数的估计第62页，共94页，星期日，2025年，2月5日DW检验：：，（一阶非自相关）第63页，共94页，星期日，2025年，2月5日第64页，共94页，星期日，2025年，2月5日第65页，共94页，星期日，2025年，2月5日DW检验的缺陷：1）只能检验残差的一阶自相关。2）当解释变量中出现被解释变量的滞后变量时，DW不再适用。第66页，共94页，星期日，2025年，2月5日如果存在异方差，最小二乘估计仍具有无偏性与一致性，但估计量不再是最优的，不满足最小方差性。估计量的分布受到影响。第30页，共94页，星期日，2025年，2月5日如果仍用来估计，显然这种估计是有偏的，不一致的。建立在这样一个的t检验与F检验可能产生严重的误导，得出错误的结论。第31页，共94页，星期日，2025年，2月5日3、异方差的判断1）残差序列分析.A、不存在异方差Y第32页，共94页，星期日，2025年，2月5日B、存在异方差，残差方差随y的增大而增大。Y第33页，共94页，星期日，2025年，2月5日缺点：在样本期太短时无法判断。第34页，共94页，星期日，2025年，2月5日2）异方差检验Park异方差检验步骤：A、回归方程，得方程得残差序列。B、取残差序列的平方，再估算一个方程：C、如果值统计显著，说明数据存在异方差。第35页，共94页，星期日，2025年，2月5日White异方差检验White异方差检验思想：以两变量为例，若原始的回归为检验就以扩展的回归式为基础：第36页，共94页，星期日，2025年，2月5日White异方差检验的输出结果给出了F统计量以及自由度为扩展回归式中回归因子个数的分布。判断：1、如果回归元系数都不显著，则认为不存在异方差，如果有任何一个回归元的系数显著，则认为该模型存在异方差。2、F统计量及分布在设定的显著水平接受原假设，即所有的回归原系数为0，则认为不存在异方差。第37页，共94页，星期日，2025年，2月5日一个实例：货币供给增长率对GDP的影响。第38页，共94页，星期日，2025年，2月5日EstimationEquation:GNP=C(1)+C(2)*M2第39页，共94页，星期日，2025年，2月5日结果：第40页，共94页，星期日，2025年，2月5日异方差检验：第41页，共94页，星期日，2025年，2月5日结果：第42页，共94页，星期日，2025年，2月5日判断：各回归元系数均不显著，F检验接受回归元系数为0的原假设，说明不存在异方差。第43页，共94页，星期日，2025年，2月5日4、异方差的处理1）加权最小二乘法。思想：若知道的形式，如果某变量与成倒数关系，则把与各解释变量相乘，消除异方差。第44页，共94页，星期日，2025年，2月5日加权最小二乘法在Eviews里的实现。第45页，共94页，星期日，2025年，2月5日第46页，共94页，星期日，2025年，2月5日第47页，共94页，星期日，2025年，2月5日第48页，共94页，星期日，2025年，2月5日3）怀特（White）异方差调整怀特异方差一致协方差矩阵第49页，共94页，星期日，2025年，2月5日4）对原始序列取对数，再建立线性模型是消除模型异方差的一个有效的方法。第50页，共94页，星期日，2025年，2月5日三、自相关1、自相关的定义：序列中的观测值之间的相关。第51页，共94页，星期日，2025年，2月5日如果某个回归模型的残差存在类似如下关系：其中,说明残差序列存在（一阶）自相关。第52页，共94页，星期日，2025年，2月5日2、自相关的产生A、惯性。对大多数经济变量来说，如GDP、价格指数、就业等时间序列都呈现一种商业循环。B、模型设定偏误。第53页，共94页，星期日，2025年，2月5日1）模型变量缺失。如果模型的形式为：而我们采用的回归形式为：则回归误差项：，误差表现为一种系统性变化的特征，造成自相关。第54页，共94页，星期日，2025年，2月5日2）、忽略了模型的滞后效应。如在消费模型中，消费不仅仅依赖于当期的收入水平，由于消费者不会轻易改变他们的消费习惯，因此他们的消费支出还依赖于前期的消费支出，既有：如果忽略了滞后项，则模型