計(jì)量經(jīng)濟(jì)學(xué)異方差性課件(參考版)
2024-09-02 12:47本頁(yè)面
【正文】 )(22 ii Xf?? ? GEJSTER檢驗(yàn)的步驟 （ 1）用原始數(shù)據(jù)估計(jì)模型，計(jì)算殘差直接讀取 resid （ 2）用殘差絕對(duì)值與 X進(jìn)行回歸： | e|=b0+b1xh+u u滿(mǎn)足基本假定，冪次通常需要選擇多種值試算， 如 h=1,2,1,1/2等 （ 3）經(jīng)過(guò) R F、 t檢驗(yàn)找出最優(yōu)的回歸方程形式，或無(wú)異方差 EViews中實(shí)現(xiàn) GEJSTER檢驗(yàn) （ 1） LS Y C X （ 2） GENR E1=resid （ 3） GENR E2=E1*E1 或取絕對(duì)值 （ 4） GENR XH=X^H （依次分別取 H=1， 2， 1， 1/2， …… ）生成 Xh序列 （ 5） LS E2 C XH （ 6）重復(fù)（ 4）直至找出適合的方程形式 Park檢驗(yàn)的步驟 （ 1）擬合回歸方程，計(jì)算殘差 （ 2）計(jì)算殘差平方和 （ 3）取殘差平方和、解釋變量 X的對(duì)數(shù) （ 4）用對(duì)數(shù)變換后的數(shù)據(jù)擬合回歸方程 （ 5）作統(tǒng)計(jì)檢驗(yàn)，判斷異方差是否存在 EViews中進(jìn)行 Park檢驗(yàn)的步驟 （ 1） LS Y C X （ 2） GENR E1=resid （ 3） GENR E2=E1*E1 （ 4） GENR LNE2=LOG（ E2） （ 5） GENR LNX=LOG（ X） （ 6） LS LNE2 C LNX load c:\eviews\lx4\ equation y c x genr e1=resid genr e2= e1*e1 genr lne2=log(e2) genr lnx=log(x) equation lne2 c lnx show (g) show (g) PARK程序 。 它們的優(yōu)點(diǎn)：可以近似地給出異方差的存在形式： 。若顯著，則存在異方差，并得到異方差的函數(shù)形式。相對(duì)誤差，相對(duì)誤差往）對(duì)數(shù)變換后，殘差為（量值的尺度縮??；）對(duì)數(shù)變換能使測(cè)定變（原因：方差的影響。 這是因?yàn)?: 對(duì)數(shù)形式可以減少異方差和自相關(guān)的程度。 )(22 ii Xf?? ?原模型變換法的過(guò)程 若異方差情形是 ， 則對(duì)原模型進(jìn)行變換，即用 去乘以模型的兩邊，變換后的模型具有同方差性。11222221????????乘法估計(jì)：式來(lái)完成加權(quán)的最小二命令中使用加權(quán)處理方然后在）、中（需先產(chǎn)生為權(quán)數(shù)，在假定以例： ??LS // Dependent Variable is CHX Weighting series: SHRW Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error TStatistic Prob. C SHR Weighted Statistics Rsquared Mean dependent var Adjusted Rsquared . dependent var . of regression Akaike info criterion Sum squared resid 2682082. Schwartz criterion Log likelihood Fstatistic DurbinWatson stat Prob(Fstatistic) WLS處理結(jié)果 UnWeighted Statistics 8 0 0 0 6 0 0 0 4 0 0 0 2 0 0 002 0 0 05 10 15 20 25 30R E S I DWLS處理后的殘差圖 模型變換法的關(guān)鍵 是 ： 二、對(duì)原模型變換的方法 模型變換法的定義 模型變換法是對(duì)存在異方差的總體回歸模型作適當(dāng)?shù)拇鷶?shù)變換，使之成為滿(mǎn)足同方 差假定的模型 , 進(jìn)而運(yùn)用 OLS方法估計(jì)參數(shù)。 2212 ))??((m i nm i niiii XYWeW ?? ????? . （ 權(quán)數(shù)相等）， WLS 是 OLS法。 加權(quán)最小二乘法的機(jī)理 以遞增型為例。因此采用權(quán)數(shù)對(duì)殘差提供的信息的重要程度作一番校正，以提高估計(jì) 精度。 異方差時(shí) ：離散程度大的 ei 對(duì)應(yīng)的回歸直線的位置很不精確，擬合直線時(shí)理應(yīng)不太重視 們提供的信息。 如何理解？ iii uXY ??? 21 ?? 其中： ? ? 2iiuVa r ??對(duì)不滿(mǎn)足古典假設(shè)的模型實(shí)施轉(zhuǎn)換，形成轉(zhuǎn)換模型： iiiiiii uXY????????? 21此時(shí)，轉(zhuǎn)換模型滿(mǎn)足古典假設(shè)： ? ? 111 222???????????iiiiii uV a ruV a r ????對(duì)轉(zhuǎn)換模型實(shí)施最小二乘法，有 ?? 2?,?21m i n ieJ??? ???????????????? ??? 221iiiii XY?????? ?? ?? ??? 22121 iiiXY ???? ?????????2iie?221iie???對(duì)此表達(dá)式的解釋?zhuān)⒁鈨蓪雍x ： （ 1）與普通最小二乘原則的區(qū)別； （ 2）權(quán)重 21i?的確定。 基本思想： 當(dāng)所估計(jì)模型不滿(mǎn)足古典假設(shè)時(shí)，直接運(yùn)用最小二乘法得到的參數(shù)估計(jì)量不是最佳的， 于是就對(duì)模型進(jìn)行轉(zhuǎn)換，即通過(guò)適當(dāng)?shù)淖儞Q，將不滿(mǎn)足古典假設(shè)的模型變換為滿(mǎn)足古典假設(shè)的模型 再對(duì)轉(zhuǎn)換模型進(jìn)行最小二乘法估計(jì)，獲得參數(shù)的 BLUE估計(jì)，走一條“曲線估計(jì)”之路。 鍵入 Ls z x1/回車(chē)；得 、 、 F值 鍵入 Ls z x2/回車(chē)；得 、 、 F值 …… 確定最合適的回歸形式。 Glejser曾提出如下模型形式（合適的回歸形式未知）： 注： Glejser檢驗(yàn)上機(jī)實(shí)現(xiàn) : 擬合回歸模型：鍵入 Ls y c x(或 Ls y x ；在 Equation框中點(diǎn)擊 resid （保存殘差）） 產(chǎn)生 resid的絕對(duì)值： 鍵入 genr z=abs(resid) 生成變量：鍵入 genr XH=X^h(h可以取 1/ – ┄ )。它們是用普通最小二乘法的 殘差 或 其絕對(duì)值 或 平方 作為被解釋變量，建立各種回歸方程度，然后通過(guò)檢驗(yàn)回歸系數(shù)是否為 0，來(lái)判斷模型的隨機(jī)誤差項(xiàng)是否有某種變動(dòng)規(guī)律，以確定異方差是否存在）。它是用普通最小二乘法的
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1