违背基本假定问题ppt课件.ppt

《违背基本假定问题ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第四章经典单方程计量经济学模型：放宽基本假定的模型RelaxingtheAssumptionsoftheClassicalModel本章说明基本假定违背主要包括：随机误差项序列存在异方差性；随机误差项序列存在序列相关性；解释变量之间存在多重共线性；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；计量经济检验：对模型基本假定的检验本章主要讨论前3类§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、例题一、异方差的概念即对于不同的样本点，随机误差项的方差不再是常数

2、，而互不相同，则认为出现了异方差性(Heteroskedasticity)。1、异方差Homoscedasticity同方差异方差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

3、蓄的差异较大；低收入家庭：储蓄则更有规律性，差异较小。如果这种差异构成误差项的主要成分，则i的方差呈现单调递增型变化例4.1.2:以绝对收入假设为理论假设、以截面数据为样本建立居民消费函数：Ci=0+1Yi+I将居民按照收入等距离分成n组，取组平均数为样本观测值。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。而人数多的组平均数的误差小，人数少的组平均数的误差大。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，往往引起随机项的异方差性，且呈U形。二、异方差性的后果ConsequencesofUsingOLS

4、inthePresenceofHeteroskedasticity1、参数估计量非有效OLS估计量仍然具有无偏性，但不具有有效性。2、变量的显著性检验失去意义变量的显著性检验中，构造了t统计量其他检验也是如此。3、模型的预测失效一方面，由于上述后果，使得模型不具有良好的统计性质；三、异方差性的检验DetectionofHeteroscedasticity共同的思路：由于异方差性是相对于不同的解释变量观测值，随机误差项具有不同的方差。那么检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。问题在于用什么来表

5、示随机误差项的方差？一般的处理方法：首先采用OLS估计，得到残差估计值，用它的平方近似随机误差项的方差。1、检验思路2、图示法（1）用X-Y的散点图进行判断看是否存在明显的散点扩大、缩小或复杂型趋势（即不在一个固定的带型域中）。看是否形成一斜率为零的直线。3、怀特（White）检验以二元模型为例在同方差假设下辅助回归可决系数渐近服从辅助回归解释变量的个数建立辅助回归模型比较判断：若则拒绝原假设，说明模型存在异方差则接受原假设，说明模型不存在异方差可用命令：＝＠QCHISQ(1-α,h)注意：也可以根据White统计值的相伴概率进行检验四、异

6、方差的修正—加权最小二乘法CorrectingHeteroscedasticity—WeightedLeastSquares,WLSWLS步骤模型检验出存在异方差性，可用加权最小二乘法（WeightedLeastSquares,WLS）进行估计。（3）得到校正后的模型，即消除异方差后的新回归模型经检验，原回归模型存在异方差，可用WLS法消除：（1）估计原回归模型，得到残差序列，记为RE（2）重新估计原回归模型，在原回归模型的“方程设定窗口”，在Option中选择加权最小二乘法，并输入1/｜RE｜作为校正异方差的权重。完成原回归模型的估计五、

7、例题--中国农村居民人均消费函数例4.1.4中国农村居民人均消费支出主要由人均纯收入来决定。农村人均纯收入包括(1)从事农业经营的收入，(2)包括从事其他产业的经营性收入(3)工资性收入、(4)财产收入(4)转移支付收入。考察从事农业经营的收入(X1)和其他收入(X2)对中国农村居民消费支出(Y)增长的影响: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、序列相关性的修正五、案例§4.2序列相关性SerialCorrelation一、序列相关性的概念1、序列相关性概念如果对于不同的样本点，随机误差项之间不再是不相关的，而是存

8、在某种相关性，则认为出现了序列相关性。对于模型Yi=0+1X1i+2X2i+…+kXki+ii=1,2,…,n随机项互不相关的基本假设表现为Cov(i,j)=0i