《計(jì)量第五章異方差》ppt課件(文件)
【正文】 分成 n組，取組平均數(shù)為樣本觀測值。 01i i iC Y u??? ? ?例 3：以某一行業(yè)的企業(yè)為樣本建立企業(yè)生產(chǎn)函數(shù)模型 Yi=Ai?1 Ki?2 Li?3e?i 被解釋變量：產(chǎn)出量 Y 解釋變量：資本 K、 勞動(dòng) L、 技術(shù) A， ? 那么： 每個(gè)企業(yè)所處的 外部環(huán)境 對(duì)產(chǎn)出量的影響被包含在隨機(jī)誤差項(xiàng)中 。 模型的預(yù)測失效 一方面 ， 由于上述后果 ， 使得模型不具有良好的統(tǒng)計(jì)性質(zhì)； 所以 ， 當(dāng)模型出現(xiàn)異方差性時(shí) ， 參數(shù)OLS估計(jì)值的變異程度增大 ， 從而造成對(duì) Y的預(yù)測誤差變大 ， 降低預(yù)測精度 ， 預(yù)測功能失效 。這種方法適合于檢驗(yàn)樣本容量較大的線性回歸模型的遞增或遞減型異方差性。 ? 但該方法的有效性還依賴于 C的選擇，還有，當(dāng)模型出現(xiàn)多于一個(gè) X變量時(shí)，就可以按任意一個(gè) X變量的大小順序?qū)⒂^測值排列。 iiiiiiii XXXXXXe ??????? ??????? 215224213221102（四）懷特檢驗(yàn) （ 3）得到輔助回歸模型中的可決系數(shù) R的平方。 ?參看案例分析 四、異方差的修正 — 加權(quán)最小二乘法 如線性回歸模型為 經(jīng)檢驗(yàn)，誤差項(xiàng)有如下異方差性 （一）若 σ i2為已知 可以用 σ i 除模型 (1)各項(xiàng)，得到 令 Yi* = Yi/σ i ,X0i* =1/σ i , X1i* =X1i/σ i … , Xki* =Xki/σ i , ui* =ui/σ i ，則上式可化為 Yi* = β 0X0i* + β 1X1i* +… + β kXki+ ui* (2) 則此模型 (2)無異方差，為什么？ 0 1 1 ( 1 )i i K K i iY X X u? ? ?? ? ? ? ?2()iiV ar u ??1011i i K i iKi i i i iY X X u? ? ?? ? ? ? ?? ? ? ? ?四、異方差的修正 — 加權(quán)最小二乘法 （二）若 σ i2為未知 對(duì)線性回歸模型為 假設(shè)誤差項(xiàng)的方差正比于 X1i2 ，即 其中 C為常數(shù)。 戈里瑟檢驗(yàn) iii ie ??? ???常數(shù)項(xiàng)不顯著，去掉再回歸 戈里瑟檢驗(yàn) iii Ie ??? ???戈里瑟檢驗(yàn) iii Ie ??? ???1戈里瑟檢驗(yàn) iii Ie ??? ??? 2由于根據(jù)殘差序列圖可看出回歸殘差的絕對(duì)值有隨 X線性增長的趨勢，因此
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1