趙衛(wèi)亞3回歸模型的擴(kuò)展(存儲版)
【正文】 計(jì)的標(biāo)準(zhǔn)誤差估計(jì)不再準(zhǔn)確 。 ? 利用 eviews可以方便的進(jìn)行 (見 92頁 ) –方程窗口 —view—residual test—correlogramQstatistics 1 1 2 2t t t s t s tu u u u v? ? ?? ? ?? ? ? ? ?51 ③、德賓－沃森（ DurbinWalson) 檢驗(yàn) D— W檢驗(yàn)適用條件 ①隨機(jī)項(xiàng)一階自相關(guān) ②解釋變量與隨機(jī)項(xiàng)不相關(guān) ③樣本容量比較大 52 ? DW檢驗(yàn)的原理 對線性回歸模型 如果誤差項(xiàng)有一階自回歸問題，那么 其中的 ， 是均值為 0的獨(dú)立同分布隨機(jī)變量。 58 DW檢驗(yàn)的局限性： ①只適用一階自回歸，不適合高階自回歸 ②不適用解釋變量與隨機(jī)項(xiàng)相關(guān)的模型（當(dāng)有滯后變量作為解釋變量時， DW有趨向 2的趨勢）。 ? 然后再利用廣義差分方法 2222( 1 / 2 ) ( 1 )?( 1 )n D W knk?? ? ????70 ? 近似估計(jì)法 3： ? 利用殘差代替隨機(jī)誤差項(xiàng)，計(jì)算 ? 再利用廣義差分方法 12?ttteee??? ????71 ② 、科克蘭內(nèi) — 奧克特迭代方法 步驟 : ,用 OLS方法估計(jì)模型 ,得到樣本回歸方程 12? ??ttYX???? et,作為 ut 的估計(jì) . 12? ?? ()t t t t te Y Y Y X??? ? ? ? ? OLS方法求 ρ的初次估計(jì)值 tttteee?????2111??72 S4用 對原模型進(jìn)行廣義差分變換，作第一次迭代。 ? （ 3）廣義差分法案例分析 75 （二）廣義最小二乘法（ＧＬＳ） １、 GLS的基本思想 就是通過對總體方差協(xié)方差矩陣的分解，將回歸的殘差轉(zhuǎn)變成滿足古典假定的殘差，然后使用 OLS估計(jì)。 1 2 1 39。 83 （ 1）（近似）多重共線性定義 （注意修正書上 P107的說法） 對于多元線性回歸模型 解釋變量之間存在較強(qiáng)的線性關(guān)系。（判決系數(shù)， F值很高，但是單個參數(shù)的 t檢驗(yàn)不顯著，甚至符號相反。 ① 如果方程整體顯著（ F)，則表明存在多重共線性。（當(dāng)然也可能模型設(shè)定出現(xiàn)了問題） ? 若回歸整體顯著性 F拒絕 H0，但參數(shù) t檢驗(yàn)多數(shù)都不顯著。樣本容量越大，變量相關(guān)性越小，相關(guān)越難。 – 基于 t檢驗(yàn) , ， AIC, SC等準(zhǔn)測。然后對新模型進(jìn)行估計(jì)。 ? ? ??? ????? KLAY l o g1l o gl o gl o g? ?????????????KLAKYKLAKYl o gl o gl o gl o gl o gl o gl o gl o g1?? ???? KALY ???? ???? KLAY l o gl o gl o gl o g101 ④ 混合估計(jì) 混合估計(jì)：利用其他方法（如專家調(diào)查）估計(jì)出部分參數(shù)，帶入模型。 ? 可以借助統(tǒng)計(jì)方法幫助選擇。 96 (1)擴(kuò)大或改變樣本 ? 原理：多重共線是一種樣本現(xiàn)象。“容許度”判別 ? 顯然， ? 一般當(dāng) TOL，認(rèn)為模型存在較嚴(yán)重的多重共線性。此時變量之間兩兩相關(guān)系數(shù)很低，也可能存在嚴(yán)重的多重共線性。 86 多重共線性的后果 后果 ?增大 OLS估計(jì)的方差，使得參數(shù)估計(jì)不穩(wěn)定，異常值多。 80 ?Ω81 三、多重共線性 完全多重共線性 多重共線性的定義 多重共線性產(chǎn)生的原因 多重共線性的后果 多重共線性的檢驗(yàn) 多重共線性的解決方法 案例 82 完全 多重共線性 定義：多元線性回歸模型中的解釋變量之間，存在嚴(yán)格的線性關(guān)系。** 1 39。對應(yīng)的 即為所估計(jì)的 ? 該方法的特點(diǎn)： – 保證使得殘差平方和總體最小，而達(dá)到最優(yōu)。模型修正后就已經(jīng)解決 65 ? 真正的自相關(guān)： –廣義差分方法 –廣義最小二乘法（ GLS） 66 （一）廣義差分法 （ 1）相關(guān)系數(shù)已知時，直接利用廣義差分法 設(shè)線性回歸模型為 已知 有一階自相關(guān)性，即 把滯后一期的觀測值代入變量關(guān)系，得方程： 可得 令 ， 根據(jù) 可得 如果記 ，所以上式為 12i i iY X u??? ? ?i?1i i iu u v? ???1i i iuv?? ???1 1 2 1 1i i iY X u??? ? ?? ? ?1 1 1 2 2 1 1i i i i i iY Y X X u u? ? ? ? ? ? ? ?? ? ?? ? ? ? ? ? ?1* ??? iii YYY ? 1* ??? iii XXX ?? ?**121i i iY X v? ? ? ?? ? ? ?* * *12i i iY X v??? ? ?? ?*11 1? ? ???67 （ 2）、相關(guān)系數(shù)未知時， 先估計(jì)相關(guān)系數(shù)，再采用廣義差分 ? 根據(jù)估計(jì)相關(guān)系數(shù)方法的不同，可以分為下面幾種方法： 68 ①、近似估計(jì)法 ? 近似估計(jì)法 1： ? 然后再利用廣義差分方法。 不 存在一階自相關(guān)，并且 d越靠近 2，無相關(guān)把握越大。 49 ? 誤差序列自相關(guān)殘差分布圖 ie0 0 0??c??a ??bie ie1?ie 1?ie 1?ie50 ②、偏相關(guān)系數(shù)檢驗(yàn) ? 偏相關(guān)系數(shù)是衡量多個變量之間相關(guān)程度的重要指標(biāo)，可以用它來判斷自相關(guān)性的類型。 ?在異方差的情況下，合理的做法是：對于較大的殘差平方賦予較小的權(quán)重，而對于較小的殘差平方則賦予較大的權(quán)重，這樣可以提高參數(shù)估計(jì)的精度。模型修正后就已經(jīng)解決。2 2 21 2 2 3 3 4 2 5 3 6 2 3i i i i i i i ie X X X X X X u? ? ? ? ? ?? ? ? ? ? ? ?26 注意： ?輔助回歸是殘差平方（用以表示條件方差）與解釋變量各種可能組合的顯著性，因此，輔助回歸方程中還可引入解釋變量的更高次方。 ? 隨機(jī)誤差項(xiàng)取值無法觀測，只能通過殘差分布情況來推測隨機(jī)誤差項(xiàng)的分布特征 10 常用方法 （ 1）圖示檢驗(yàn)法 （ 2）戈德菲爾德 匡特檢驗(yàn) （ 3）懷特檢驗(yàn) （ 4）帕克檢驗(yàn)和戈里瑟檢驗(yàn) 11 （ 1）、圖示檢驗(yàn)法 ? 相關(guān)圖分析 –繪制 Y X的散點(diǎn)圖 –考察 Y的離散程度與解釋變量是否有相關(guān)關(guān)系 ? Eviews實(shí)現(xiàn) – Scat x Y 12 13 ? 殘差序列分布圖 –考察殘差分布圖的離散程度。 i ki k i 1i i X X X Y ? ? ? ? ? ? ? ? ? ? ? L 2 2 1 0 2v a r ( )ii???? 常 數(shù)6 異方差
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1