計(jì)量經(jīng)濟(jì)學(xué)答案(參考版)
2025-06-21 18:33本頁(yè)面
【正文】 因此，可以將被解釋變量關(guān)于這些主成分進(jìn)行回歸，再根據(jù)主成分與解釋變量之間的對(duì)應(yīng)關(guān)系，求得原回歸模型的估計(jì)方程。如果能同時(shí)獲得變量的時(shí)序數(shù)據(jù)和橫截面數(shù)據(jù)，則先利用某類(lèi)數(shù)據(jù)估計(jì)出模型的部分參數(shù)，再利用另一類(lèi)數(shù)據(jù)估計(jì)模型的其余參數(shù)?？疾旖忉屪兞康臉颖緮?shù)據(jù)矩陣，當(dāng)模型存在完全多重共線性時(shí)，rank(X)k+1，|X’X|=0；當(dāng)模型存在嚴(yán)重多重共線性時(shí)，|X’X|≈0。時(shí)，認(rèn)為模型存在較嚴(yán)重的多重共線性。的方差可以表示成：一般當(dāng)③ 方差膨脹因子檢驗(yàn)。個(gè)輔助回歸模型，xi=a0+a1x1+…+ai1xi1+ai+1xi+1+akxk+?當(dāng)模型的解釋變量個(gè)數(shù)多于兩個(gè)，并且呈現(xiàn)較為復(fù)雜的相關(guān)關(guān)系時(shí)，可以通過(guò)建立每個(gè)解釋變量對(duì)其他解釋變量的輔助回歸模型來(lái)檢驗(yàn)多重共線性，即依次建立利用相關(guān)系數(shù)可以分析解釋變量之間的兩兩相關(guān)情況。當(dāng)模型存在多重共線性時(shí)，樣本數(shù)據(jù)即使有微小變化，也可能導(dǎo)致系數(shù)估計(jì)值發(fā)生明顯變化，參數(shù)估計(jì)對(duì)樣本的變化比較敏感。值變成不顯著的，即容易將有重要影響的變量誤認(rèn)為不顯著的變量。統(tǒng)計(jì)量值的減小，這很可能是原來(lái)顯著的在多重共線性的影響下，系數(shù)估計(jì)誤差③ T② 難以區(qū)分每個(gè)解釋變量的單獨(dú)影響。估計(jì)量的方差隨著多重共線性的出現(xiàn)而“膨脹”起來(lái)，多重共線性程度增強(qiáng)，OLS估計(jì)的方差。影響后果：① 增加③ 解釋變量中含有滯后變量。答：產(chǎn)生原因：① 經(jīng)濟(jì)變量的內(nèi)在聯(lián)系，這是產(chǎn)生多重共線性的根本原因；② 經(jīng)濟(jì)變量變化趨勢(shì)的“共向性”。EViews估計(jì)，得到的仍然是最佳估計(jì)量。只要對(duì)存在自相關(guān)性的模型進(jìn)行廣義差分變換，就可以消除原模型中的自相關(guān)性，然后再對(duì)變換后的模型進(jìn)行左右，若未能得到顯著的檢驗(yàn)結(jié)果，可以認(rèn)為不存在自相關(guān)性。p(p=1)開(kāi)始，直到⑵布羅斯戈弗雷檢驗(yàn)。EViews⑴偏相關(guān)系數(shù)檢驗(yàn)。2時(shí)，則不存在（一階）自相關(guān)性。40DW1統(tǒng)計(jì)量與ρ之間的關(guān)系：DW≈2（1ρ）③檢驗(yàn)自相關(guān)性。H0：ρ=0，即不存在（一階）自相關(guān)性。DW如果隨著時(shí)間的推移殘差分布呈現(xiàn)出周期性的變化，說(shuō)明很可能存在自相關(guān)性。檢驗(yàn)：殘差圖分析。④降低模型的預(yù)測(cè)精度。tt檢驗(yàn)的可靠性降低。S（βi），則會(huì)得到一個(gè)偏低的估計(jì)，真實(shí)的標(biāo)準(zhǔn)誤差可能會(huì)比它大很多。的無(wú)偏估計(jì)∑et2/(n2)x)2。當(dāng)模型存在自相關(guān)性時(shí)，OLSOLS估計(jì)的誤差。即存在其他的參數(shù)估計(jì)方法，其估計(jì)誤差小于當(dāng)模型存在自相關(guān)性時(shí)，OLS自然災(zāi)害、金融危機(jī)、世界經(jīng)濟(jì)環(huán)境的變化等隨機(jī)因素的影響，往往要持續(xù)多個(gè)時(shí)期，使得隨機(jī)誤差項(xiàng)呈現(xiàn)出相關(guān)性。由于經(jīng)濟(jì)發(fā)展的連續(xù)性所形成的慣性（或粘滯性），使得許多經(jīng)濟(jì)變量的前后期之間是相互關(guān)聯(lián)的。軟件中可以直接進(jìn)行加權(quán)最小二乘估計(jì)論述計(jì)量經(jīng)濟(jì)分析過(guò)程中自相關(guān)性產(chǎn)生的原因、影響后果、檢驗(yàn)方法及解決辦法。 事先確定權(quán)數(shù)變量，在EViews,并且估計(jì)模型時(shí)是使殘差的加權(quán)平方和達(dá)到最小，從而消除模型中的異方差性。直接取成賦予較小的權(quán)數(shù)，將權(quán)數(shù)較大的ee加權(quán)最小二乘法。即對(duì)存在異方差性的模型進(jìn)行適當(dāng)?shù)淖兞孔儞Q，使之成為滿足同方差假定的模型。：模型變換法。如果經(jīng)檢驗(yàn)?zāi)硞€(gè)方程是顯著的，則表明隨機(jī)誤差項(xiàng)的方差隨著解釋變量取值的不同而變化，即存在異方差性。v0，模型的方差隨著解釋變量的變化而變化，即模型存在異方差性；反之，則認(rèn)為不存在異方差性。H，即
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1