計(jì)量中的異方差性ppt課件-文庫(kù)吧資料
2025-01-21 11:35本頁(yè)面
【正文】 二乘法估計(jì)模型 ， 估計(jì)結(jié)果為 : 依次鍵入命令： LS（ W=W1） y c x 或直接鍵入命令： LS（ W=1/x） y c x 或在方程窗口中點(diǎn)擊 Estimate＼ Options按鈕 ， 并在權(quán)數(shù)變量欄輸入 W1， 可以得到以下估計(jì)結(jié)果： 表 加權(quán)最小二乘法估計(jì)結(jié)果 為了分析異方差性的校正情況 ， 利用 WLS估計(jì)出每個(gè)模型之后 ， 還需要利用 White檢驗(yàn)再次判斷模型是否存在著異方差性 ， White檢驗(yàn)結(jié)果如下： 模型的對(duì)數(shù)變換 進(jìn)行回歸，通?？梢越档彤惙讲钚缘挠绊?。 (3)對(duì)估計(jì)后的模型 ， 再使用 White檢驗(yàn)判斷是否消除了異方差性 。 加權(quán)的基本思想是： 在采用 OLS方法時(shí) ， 對(duì)較小的殘差平方賦予較大的權(quán)數(shù) ， 對(duì)較大的殘差平方賦予較小的權(quán)數(shù) ， 以對(duì)殘差提供的信息的程度作一番校正 ， 提高參數(shù)估計(jì)的精度 。 前提是要合理確定異方差性的具體形式 ， 這可以通過(guò)用帕克檢驗(yàn) 、 戈里瑟檢驗(yàn)等方法所提供的異方差的具體形式來(lái)確定 。 以上懷特檢驗(yàn) 、 戈里瑟檢驗(yàn)和帕克檢驗(yàn)方法統(tǒng)稱為 殘差回歸檢驗(yàn)法 。 異方差 。 如果其參數(shù)顯著地不為零 ， 則存在異方差性 ， 相反 ， 則認(rèn)為隨機(jī)誤差項(xiàng)滿足同方差假定 。 表 懷特檢驗(yàn)結(jié)果 戈里瑟檢驗(yàn) (Glejser test)和帕克檢驗(yàn)（ Park test） 其基本原理都是通過(guò)建立殘差序列對(duì)解釋變量的 (輔助 )回歸模型 ， 判斷隨機(jī)誤差項(xiàng)的方差與解釋變量之間是否存在著較強(qiáng)的相關(guān)關(guān)系 。 例如對(duì)例 國(guó)制造工業(yè)利潤(rùn)函數(shù) ， White檢驗(yàn)的具體步驟為 (1)建立回歸模型： LS y c x (2)檢驗(yàn)異方差性：在方程窗口中依次點(diǎn)擊 View＼ Residual Test＼ White Heteroskedasticity 此時(shí)可以選擇在輔助回歸模型中是否包含交叉乘積項(xiàng) (Crass terms)。反之，則認(rèn)為不存在異方差性。 SORT x 將樣本數(shù)據(jù)關(guān)于 x排序 SMPL 1 10 確定子樣本 1（ 在命令窗口輸入 ） LS y c x 求出 RSS1= SMPL 19 28 確定子樣本 2 LS y c x 求出 RSS2= 計(jì)算出 F=／ = 從檢驗(yàn)過(guò)程可以看出 ， GQ檢驗(yàn)適用于檢驗(yàn)樣本容量較大 、 異方差性呈遞增或遞減的情況 ， 而且檢驗(yàn)結(jié)果
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1