計(jì)量中的異方差性ppt課件-wenkub
2023-01-30 11:35:21 本頁(yè)面
【正文】 在異方差性 ， 并不影響模型參數(shù)最小二乘估計(jì)值的無偏性 。 現(xiàn)以此數(shù)據(jù)資料為例 ， 介紹檢驗(yàn)異方差性的一些常用方法 。 SORT x 將樣本數(shù)據(jù)關(guān)于 x排序 SMPL 1 10 確定子樣本 1（ 在命令窗口輸入 ） LS y c x 求出 RSS1= SMPL 19 28 確定子樣本 2 LS y c x 求出 RSS2= 計(jì)算出 F=／ = 從檢驗(yàn)過程可以看出 ， GQ檢驗(yàn)適用于檢驗(yàn)樣本容量較大 、 異方差性呈遞增或遞減的情況 ， 而且檢驗(yàn)結(jié)果與數(shù)據(jù)剔除個(gè)數(shù) c的選取有關(guān) 。 例如對(duì)例 國(guó)制造工業(yè)利潤(rùn)函數(shù) ， White檢驗(yàn)的具體步驟為 (1)建立回歸模型： LS y c x (2)檢驗(yàn)異方差性：在方程窗口中依次點(diǎn)擊 View＼ Residual Test＼ White Heteroskedasticity 此時(shí)可以選擇在輔助回歸模型中是否包含交叉乘積項(xiàng) (Crass terms)。 如果其參數(shù)顯著地不為零 ， 則存在異方差性 ， 相反 ， 則認(rèn)為隨機(jī)誤差項(xiàng)滿足同方差假定 。 以上懷特檢驗(yàn) 、 戈里瑟檢驗(yàn)和帕克檢驗(yàn)方法統(tǒng)稱為 殘差回歸檢驗(yàn)法 。 加權(quán)的基本思想是： 在采用 OLS方法時(shí) ， 對(duì)較小的殘差平方賦予較大的權(quán)數(shù) ， 對(duì)較大的殘差平方賦予較小的權(quán)數(shù) ， 以對(duì)殘差提供的信息的程度作一番校正 ， 提高參數(shù)估計(jì)的精度 。 1． 先用最小二乘法估計(jì)模型 ， 估計(jì)結(jié)果為 : 依次鍵入命令： LS（ W=W1） y c x 或直接鍵入命令： LS（ W=1/x） y c x 或在方程窗口中點(diǎn)擊 Estimate＼ Options按鈕 ， 并在權(quán)數(shù)變量欄輸入 W1， 可以得到以下估計(jì)結(jié)果： 表 加權(quán)最小二乘法估計(jì)結(jié)果 為了分析異方差性的校正情況 ， 利用 WLS估計(jì)出每個(gè)模型之后 ， 還需要利用 White檢驗(yàn)再次判斷模型是否存在著異方差性 ， White檢驗(yàn)結(jié)果如下： 模型的對(duì)數(shù)變換 進(jìn)行回歸，通常可以降低異方差性的影響。 圖 e與取對(duì)數(shù)模型殘差 lne圖 ，e與 lne相比 ， 幾乎成為一條直線 。 試根據(jù)表 ， 建立我國(guó)農(nóng)村居民人均消費(fèi)函數(shù) （ 采用對(duì)數(shù)模型 ） ： 表 中國(guó) 2022年各地區(qū)農(nóng)村居民家庭人均純收入與消費(fèi)支出（單位：元） 資料來源： 《 中國(guó)農(nóng)村住戶調(diào)查年鑒 》 （ 2022）
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1