【正文】
ix e d a cro ss sa m p le s.i i ii i i iiiiiii i ijiiji j i jiiYXd d d dEdVar Var dd d dC ov C ovd d d dXdGLS: Transformed Data 異方差的處理 加權(quán)最小二乘法 實踐中,我們先確定 di; 然后用 對 做 回 歸iiiiYXdd異方差的處理 加權(quán)最小二乘法 兩種常用的形式: di= Xi di= (Xi ) 本例進行 Glezser test時,有如下結(jié)果 ?估計消費函數(shù)時,對異方差的處理 加權(quán)最小二乘法 所以,在本例中,可以確定: di= (Xi ) 原方程變形為: i i iiii i iY X uXuYX X X?????? 估計消費函數(shù)時,對異方差的處理 加權(quán)最小二乘法 變形后做回歸的結(jié)果: iiiIneConsumptionI n c o m e I n c o m e?估計消費函數(shù)時,對異方差的處理 加權(quán)最小二乘法 對新方程再做“異方差檢驗”: Heteroskedasticity Test: White Obs*Rsquared Prob. ChiSquare(1) 異方差已經(jīng)剔除! 異方差的處理 可行的廣義最小二乘 但通常 di與 Xi之間的關(guān)系并不能確定! 假設(shè): 那么 h就是一個未知數(shù)! 如何知道 h的大小呢? l n ( e i 2 ) ? l n ( ? 2 ) ? h l n ( X i ) ? ? i v a r ( ? i ) ? ? 2 X i h Feasible GLS 1. Estimate the regression with OLS. 2. Regress 3. Divide every variable by: 4. Apply OLS to t