多元线性回归的缺陷_多元线性回归三大问题.ppt

多元线性回归三大问题

§4.1 异方差性§4.2 序列相关性§4.3 多重共线性§4.4 随机解释变量问题 基本假定违背主要 包括： (1)随机误差项序列存在异方差性 (2)随机误差项序列存在序列相关性 (3)解释变量之间存在多重共线性 (4)解释变量是随机变量且与随机误差项相关的随机解释变量 问题 (5)模型设定有偏误 (6)解释变量的方差不随样本容量的增加而收敛 本章主要学习：前4种基本假定违背 §4.1 异方差性 二、异方差的类型 三、实际经济问题中的异方差性 实际经济问题中，易出现异方差的情况： 例4.1.1：截面资料下研究居民家庭的储蓄行为: Yi=?0+?1Xi+?i 其中：Yi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入。 一般情况下，居民收入服从正态分布： 中等收入组人数多，两端收入组人数少。而人数多的组的平均数的误差小，人数少的组平均数的误差大。 所以样本观测值的观测误差随着解释变量观测值 的不同而不同，往往引起异方差性。 本例中，?i的方差随解释变量X(收入)的观测值 的增大而呈U形变化，是复杂型的一种。 经验表明： 对采用截面数据作样本的计量经济学问题，由 于在不同样本点上解释变量以外的其他因素的差异 较大，所以往往存在异方差。 四、异方差性的后果 五、异方差性的检验 检验方法很多 检验的共同思路： 4. 怀特(White)检验 怀特检验不需要排序，且适合任何形式的异方差。 怀特检验的基本思想与步骤(以二元为例)： 六、异方差的修正 模型检验出存在异方差性，可用加权最小二乘法(Weighted Least Squares, WLS)进行估计。 七、案例——中国农村居民人均消费函数 一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的产生原因及后果 四、序列相关性的检验 五、案例 一、序列相关性概念 称为一阶列相关，或自相关(autocorrelation) 二、实际经济问题中的序列相关性 1.经济变量固有的惯性 2.模型设定的偏误 因此， vt=?3X3t + ?t，如果X3确实影响Y，则出现序列相关。 又如：如果真实的边际成本回归模型应为： Yt= ?0+?1Xt+?2Xt2+?t 其中：Y=边际成本，X=产出。 但建模时设立了如下模型： Yt= ?0+?1Xt+vt 因此，由于vt= ?2Xt2+?t, ，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。 3. 数据的“编造” 例如：季度数据来自月度数据的简单平均，这种平均的计算减弱了每月数据的波动性，从而使随机干扰项出现序列相关。 2. 变量的显著性检验失去意义 在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方差性和互相独立性时才能成立。 3. 模型的预测失效 区间预测与参数估计量的方差有关，在方差(标准差)有偏误的情况下，使得预测估计不准确，预测精度降低。 所以，当模型出现序列相关性时，它的预测功能失效。 四、序列相关性的检验 然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。 1. 图示法 2. 回归检验法 3. 杜宾—瓦森(Durbin-Watson)检验法 D-W检验是杜宾(J.Durbin)和瓦森(G.S. Watson)于1951年提出的一种检验序列自相关的方法。该方法的假定条件是： (3)回归模型中不应含有滞后应变量作为解释变量，即不应出现下列形式： Yi=?0+?1X1i+??kXki+?Yi-1+?i (4)回归含有截距项 当D.W.值在2左右时，模型不存在一阶自相关。 4. 拉格朗日乘数(Lagrange multiplier)检验 (一)对伪自相关 1。由经济理论找出被略去的解释变量，将其放回模型中。 2。修正模型形式，找出正确的函数关系。 (二)对真正自相关 在排除“伪自相关” 后，经自相关检验，u仍自相关，则是“真正自相关”。 如果模型被检验证明存在序列相关性，则需要发展新的方法估计模型。 1. 广义最小二乘法 GLS是最具有普遍意义的最小二乘法，OLS和WLS是其特例。 对于模型： Y=X?+