趙衛(wèi)亞版計量經(jīng)濟學期末整理(存儲版)
【正文】 釋變量構造輔助回歸方程來檢驗多重共線性。X+X(R2j229。249。?jiv. 直觀判斷? 看參數(shù)估計量的符號、數(shù)值是否與理論相符合？如果與定性分析結果違背，可能存在多重共線性。6. 解決辦法基本原則：①如果建模目的是預測，則模型的擬合優(yōu)度較高，并且相關關系保持不變，就可以忽略多重共線性問題。②引起多重共線性的原因是模型存在相關的解釋變量，因此消除多重共線的根本方法只能是刪除這些變量，但剔除變量要要謹慎。次要變量可以通過被解釋變量和解釋變量的相關系數(shù)檢驗、相關圖分析等統(tǒng)計分析加以鑒別? 局限：可能引起模型設定誤差，違反其他假定。=+u③jiii. 觀測誤差iii. 滯后被解釋變量iv. 聯(lián)立方程3. 后果i. 影響無偏性。uuTSLSD表示。年的數(shù)據(jù)，分析個虛擬變量5. 虛擬變量的應用i. 調整季節(jié)波動——利用季度或月份資料建模時，經(jīng)常存在季節(jié)波動。個虛擬變量，否則就會陷入“虛擬變量陷阱”? 當回歸模型無截距項時，可引入例：利用的人工變量稱為虛擬變量、啞元變量，定性變量。ppt）5. 檢驗如果有內生變量，OLSXu0此時，稱模型存在內生性問題，與隨機誤差項相關的解釋變量稱為內生解釋變量2. 原因i. 遺漏了重要的解釋變量建模時由于人們認識上的偏差，理論分析的缺陷，統(tǒng)計數(shù)據(jù)的影響，導致有意或無意忽略了某些重要變量，未能將其作為解釋變量引入模型。內生性1. 定義：解釋變量與隨機誤差項之間若存在某種程度的相關性，即：cov(++iv. 模型改造和變量替換①將名義變量替換為實際變量。如果新增加的樣本數(shù)據(jù)與原來具有相同的性質，那么就無法起到作用——可以利用面板數(shù)據(jù)加以克服。SC檢驗多數(shù)都不顯著。R2j當完全共線時，R2＝1，VIF＝無窮大1VIF0≤TOL≤1；一般當個解釋變量是否存在較強的、必須加以處理的多重共線性。b) 12229。+X+)，可以認為存在較嚴重的多重共線性? 注意，該方法對解釋變量多于兩個時，不一定有效。估計的方差，使得參數(shù)估計不穩(wěn)定，異常值多。例如，在消費函數(shù)中引入本期和前幾期的收入，變量的各期值之間可能是高度相關的。經(jīng)濟系統(tǒng)中各要素之間是互相依存、互相制約的，在數(shù)量關系上必然有一定聯(lián)系。Llkm2后果：此時無法唯一解出確定的參數(shù)估計值，估計的方差無窮大，違反了基本假定。可見統(tǒng)計量進行判斷）iii. 偏相關系數(shù)檢驗衡量多個變量之間相關程度的重要指標，用它來判斷自相關性的類型。不相關，并不意味著模型不存在高階自相關性，即不能得出“不存在自相關性”的結論。局限性：（1）只能判斷是否存在一階的自相關性。統(tǒng)計量值的增大，這很可能使原來不顯著的應該改用其他方法估計模型中的參數(shù)。受消費習慣的影響，居民的本期消費水平在很大程度上還受到原有上期)消費水平的制約。xii. WLS（這個應該不用背）iv. 帕克檢驗和戈里瑟檢驗基本思想：利用殘差絕對值序列或殘差平方序列，分別對RSS與檢驗思路：為了檢驗異方差性,將樣本按解釋變量排序后分成兩部分，再利用樣本相關圖分析考察S（b），這直接影響隨機誤差項為異方差時，OLS計量經(jīng)濟學整理一、 異方差性的影響：i. 最小二乘估計不再是有效估計。因為在異方差情況下，無法正確估計系數(shù)的標準誤差 異方差的檢驗i. 圖示分析法。對于多元的情況，處理比較麻煩。如果誤差項
公司管理相關推薦
鄂ICP備17016276號-1