第4章--经典单方程计量经济学模型放宽基本假定的模型课件

第4 4章 经典单方程计量经济学模型：放宽基本假定的模型7/15/20241一二请在这里输入您的主要叙述内容整体概述三请在这里输入您的主要叙述内容请在这里输入您的主要叙述内容4.1 4.1 异方差性Heteroscedasticity一、异方差的概念二、异方差性的后果三、异方差性的检验四、异方差的修正五、例题7/15/20243一、异方差的概念7/15/20244即对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性(Heteroskedasticity)。1 1、异方差Homoscedasticity7/15/202452 2、异方差的类型同方差：i2=常数，与解释变量观测值Xi无关；异方差：i2=f(Xi)，与解释变量观测值Xi有关。异方差一般可归结为三种类型：单调递增型：i2随X的增大而增大单调递减型：i2随X的增大而减小复 杂 型：i2与X的变化呈复杂形式7/15/202467/15/202473 3、实际经济问题中的异方差性 例4.1.1：截面资料下研究居民家庭的储蓄行为 Yi=0+1Xi+iYi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入。高收入家庭：储蓄的差异较大；低收入家庭：储蓄则更有规律性，差异较小。i的方差呈现单调递增型变化7/15/20248二、异方差性的后果 Consequences of Using OLS in the Presence of Heteroskedasticity7/15/202491 1、参数估计量非有效 2 2、变量的显著性检验失去意义3 3、模型的预测失效7/15/202410三、异方差性的检验Detection of Heteroscedasticity7/15/202411四、异方差的修正加权最小二乘法Correcting HeteroscedasticityWeighted Least Squares,WLS7/15/202412在实际操作中通常采用的经验方法采用截面数据作样本时，不对原模型进行异方差性检验，而是直接选择加权最小二乘法。如果确实存在异方差，则被有效地消除了；如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法。采用时间序列数据作样本时，不考虑异方差性检验。7/15/202413一、序列相关性的概念二、序列相关性的后果三、序列相关性的检验四、具有序列相关性模型的估计4.2 4.2 序列相关性Serial Correlation 7/15/202414一、序列相关性的概念7/15/2024151 1、序列相关性模型随机项之间不存在相关性，称为：No Autocorrelation。以截面数据为样本时，如果模型随机项之间存在相关性，称为：Spatial Autocorrelation。以时序数据为样本时，如果模型随机项之间存在相关性，称为：Serial Autocorrelation。习惯上统称为序列相关性（Serial Correlation or Autocorrelation）。7/15/2024162 2、实际经济问题中的序列相关性没有包含在解释变量中的经济变量固有的惯性。模型设定偏误（Specification errorSpecification error）。主要表现在模型中丢掉了重要的解释变量或模型函数形式有偏误。数据的“编造”。时间序列数据作为样本时，一般都存在序列相关性。截面数据作为样本时，一般不考虑序列相关性。7/15/202417二、序列相关性的后果Consequences of Using OLS in the Presence of Autocorrelation7/15/202418与异方差性引起的后果相同：参数估计量非有效变量的显著性检验失去意义模型的预测失效7/15/202419三、序列相关性的检验Detecting Autocorrelation7/15/2024201 1、检验方法的思路2 2、图示法3 3、回归检验法 4 4、杜宾-瓦森（Durbin-WatsonDurbin-Watson）检验法7/15/202421四、序列相关的补救广义最小二乘法（GLS:Generalized least squares）广义差分法(Generalized Difference)7/15/202422 应用软件中的广义差分法 在Eview/TSP软件包下，广义差分采用了科克伦-奥科特（Cochrane-Orcutt）迭代法估计。在解释变量中引入AR(1)(1)、AR(2)(2)、，即可得到参数和1、2、的估计值。其中AR(m)表示随机误差项的m阶自回归。在估计过程中自动完成了1、2、的迭代。7/15/202423一、多重共线性的概念二、多重共线性的后果三、多重共线性的检验四、克服多重共线性的方法五、例题六、分部回归与多重共线性 4.3 4.3 多重共线性 Multicollinearity7/15/202424一、多重共线性的概念7/15/2024251 1、多重共线性如果某两个或多个解释变量之间出现了相关性，则称为多重共线性(Multicollinearity)。perfect multicollinearity approximate multicollinearity 7/15/2024262 2、实际经济问题中的多重共线性 产生多重共线性的主要原因：（1 1）经济变量相关的共同趋势（2 2）滞后变量的引入（3 3）样本资料的限制7/15/202427二、多重共线性的后果Consequences of Multicollinearity7/15/202428 1 1、完全共线性下参数估计量不存在2 2、近似共线性下OLS估计量非有效3 3、参数估计量经济含义不合理4 4、变量的显著性检验失去意义5 5、模型的预测功能失效7/15/202429三、多重共线性的检验Detection of Multillinearity7/15/202430 多重共线性检验的任务是：（1）检验多重共线性是否存在；（2）估计多重共线性的范围，即判断哪些变量之间存在共线性。多重共线性表现为解释变量之间具有相关关系，所以用于多重共线性的检验方法主要是统计方法：如判定系数检验法、逐步回归检验法等。说明7/15/2024311 1、检验多重共线性是否存在 (1)(1)对两个解释变量的模型，采用简单相关系数法 求出X1与X2的简单相关系数r，若|r|接近1，则说明两变量存在较强的多重共线性。(2)(2)对多个解释变量的模型，采用综合统计检验法 如果在OLS法下，R2与F值较大，但t检验值较小，说明各解释变量对Y的联合线性作用显著，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，故t检验不显著。7/15/2024322 2、判明存在多重共线性的范围(1)判定系数检验法 使模型中每一个解释变量分别以其余解释变量为 解 释 变 量 进 行 辅 助 回 归（Auxiliary Regression），并计算相应的拟合优度。如果某一种回归Xji=1X1i+2X2i+LXLi的判定系数较大，说明Xj与其他X间存在共线性。可以构造F检验：7/15/202433 在模型中排除某一个解释变量Xj，估计模型；如果拟合优度与包含Xj时十分接近，则说明Xj与其它解释变量之间存在共线性。(2)排除变量法(Stepwise Backward Regression)7/15/202434(3)(3)逐步回归法（Stepwise forward Regression）以Y为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。根据拟合优度的变化决定新引入的变量是否独立。如果拟合优度变化显著，则说明新引入的变量是一个独立解释变量；如果拟合优度变化很不显著，则说明新引入的变量与其它变量之间存在共线性关系。7/15/202435四、克服多重共线性的方法Remedial Measures of Multicollinearity7/15/202436 找出引起多重共线性的解释变量，将它排除。以逐步回归法得到最广泛的应用。1 1、第一类方法：排除引起共线性的变量7/15/2024372 2、第二类方法：差分法时间序列数据为样本的线性模型;将原模型变换为差分模型,可以有效地消除原模型中的多重共线性。一般讲，对于经济数据，增量之间的线性关系远比总量之间的线性关系弱得多。另外一个重要的意义，差分可以将非平稳序列变为平稳序列。在第9章将介绍。7/15/2024383、第三类方法：减小参数估计量的方差 多重共线性的主要后果是参数估计量具有较大的方差。采取适当方法减小参数估计量的方差，虽然没有消除模型中的多重共线性，但确能消除多重共线性造成的后果。例如，增加样本容量，可使参数估计量的方差减小。例如，岭回归法7/15/2024394.4 4.4 随机解释变量问题Random Explanatory Variables一、随机解释变量问题二、随机解释变量的后果三、工具变量法四、解释变量的内生性检验五、例题 7/15/202440一、随机解释变量问题7/15/202441实际经济问题中的随机解释变量问题 在实际经济问题中，经济变量往往都具有随机性。但是在单方程计量经济学模型中，凡是外生变量都被认为是确定性的。于是随机解释变量问题主要表现于：用滞后被解释变量作为模型的解释变量的情况。例如：7/15/202442提问与解答环节Questionsandanswers添加标题添加标题添加标题添加标题此处结束语点击此处添加段落文本.您的内容打在这里，或通过复制您的文本后在此框中选择粘贴并选择只保留文字谢谢您的观看与聆听Thankyouforwatchingandlistening