异方差、序列相关性、多重共线性的比较.doc

《异方差、序列相关性、多重共线性的比较.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、异方差、序列相关性、多重共线性的比较()异方差(Heteroskedasticity)(截面数据：CrossSectionalData)序列相关性（SerialCorrelation）(时间序列数据：TimeSeriesData)多重共线性（Multicollinearity）(时间序列数据：TimeSeriesData)含义：某两个或多个解释变量之间出现了相关性原因（Reason）1.模型中忽略和省去了重要的经济变量。2.测量误差。1.模型设定偏误（Specificationerror）2.省略了一些带有自相关的次要变量3.数据的“编造

2、”1.经济变量相关的共同趋势2.模型中引入了滞后变量(自变量、因变量)3.样本资料的限制后果（Consequences）1.参数估计量非有效(但，是线性的、无偏的)2.变量的显著性检验失去意义(t检验、F检验)3.模型的预测失效(对Y的预测误差变大，降低预测精度)与异方差性引起的后果相同：1.参数估计量非有效2.变量的显著性检验失去意义3.模型的预测失效1.完全共线性下参数估计量不存在，(X’X)-1不存在2.近似共线性下OLS估计量非有效（估计方差变大）(1)参数估计量经济含义不合理(变现似乎反常的现象)(2)变量的显著性检验失去意义(

3、t变小，R2变大，F变大)(3)模型的预测功能失效(方差变大使预测“区间”变大)检验(Test)1.图示法(散点图)2.帕克检验(ParkTest)3.戈里瑟检验(GleiserTest)4.戈德菲尔德-匡特检验(Goldfeld-QuandtTest)(简称G-Q检验)5.怀特检验（WhiteTest）6.斯皮尔曼等级相关系数检验(Spearman’sRankCorrelationTest)1.图示法(GraphicalMethod)2回归检验法(RegressionMethod)3.杜宾-瓦森检验法(Durbin-WatsonTest

4、):检验一阶4.拉格朗日乘数检验(LMTest,Lagrangemultipliertest)(由布劳殊(Breusch)与戈弗(Godfrey)提出,也被称为GB检验)：检验高阶1.检验多重共线性是否存在（1）对两个解释变量模型，采用简单相关系数法（2）对多个解释变量模型，采用综合统计检验法2判明存在多重共线性的范围（1）判定系数检验法：构造辅助回归模型(AuxiliaryRegression)并计算相应的拟合优度（2）排除变量法(StepwiseBackwardRegression)（3）逐步回归法（StepwiseforwardRe

5、gression）处理方法(Measures)1.加权最小二乘法(WLS,WeightedLeastSquares)2.异方差稳健标准误法（Heteroscedasticity-ConsistentVariancesandStandardErrors）1.广义最小二乘法（GLS:Generalizedleastsquares）2.广义差分法(GeneralizedDifference)3.随机误差项相关系数的估计(科克伦-奥科特(Cochrane-Orcutt)迭代法;杜宾(durbin)两步法)4.稳健标准误法（Newey-Westst

6、andarderrors）1.第一类方法：排除引起共线性的变量(逐步回归法)2.第二类方法：差分法3.第三类方法：减小参数估计量的方差（1）增加样本容量（2）岭回归法（RidgeRegression）----廖志强2014年10月30日制作