計(jì)量經(jīng)濟(jì)學(xué)總復(fù)習(xí)-文庫(kù)吧資料
2025-04-23 12:35本頁(yè)面
【正文】 檢驗(yàn)拒絕原假設(shè)，還不能判斷誤差項(xiàng)在哪個(gè)滯后階數(shù)上存在相關(guān)。當(dāng)p分布。統(tǒng)計(jì)量近似服從TR2。統(tǒng)計(jì)量，或者建立Step3：對(duì)于原假設(shè)構(gòu)建vt，記可決系數(shù)為Xtbpr…r1ut1utut估計(jì)方程的檢驗(yàn)步驟如下。有某種程度的負(fù)自相關(guān)2) BreuschGodfrey2 utDW完全負(fù)自相關(guān)0=2 ut完全正自相關(guān)DW=統(tǒng)計(jì)量定義如下，TT4DW ut統(tǒng)計(jì)量只適用于檢驗(yàn)解釋變量具有嚴(yán)格外生性的模型中是否存在一階自相關(guān)。年提出的。于S.和J.檢驗(yàn)DW（1）原因線性回歸模型中隨機(jī)誤差項(xiàng)存在序列相關(guān)的原因很多，但主要是經(jīng)濟(jì)變量自身特點(diǎn)、數(shù)據(jù)特點(diǎn)、變量選擇及模型函數(shù)形式選擇引起的。隨機(jī)變量與隨機(jī)干擾項(xiàng)同期相關(guān)：有偏但一致擴(kuò)大樣本容量可以克服。OLS減小，正負(fù)號(hào)混亂。GLS檢驗(yàn)法，LagrangeWLS修正異方差ii. 序列相關(guān)性問(wèn)題：特征：無(wú)偏，一致，但檢驗(yàn)不可靠，預(yù)測(cè)無(wú)效。檢驗(yàn)法，WhiteGleiser檢測(cè)方法：圖示法，Park參數(shù)的非線性約束檢驗(yàn)：最大似然比檢驗(yàn)；沃爾德檢驗(yàn)；拉格朗日乘數(shù)檢驗(yàn)主要方法使用F參數(shù)線性約束的檢驗(yàn)；模型增加或減少變量的檢驗(yàn)；v.模型預(yù)測(cè)檢驗(yàn)：解釋變量條件條件均值與個(gè)值的預(yù)測(cè)；預(yù)測(cè)置信空間變化iv.229。?tt統(tǒng)計(jì)檢驗(yàn)：b，估價(jià)方法選擇2）模型的檢驗(yàn)i.b，數(shù)據(jù)的質(zhì)量樣本參數(shù)的估計(jì):c，擬定參數(shù)范圍樣本數(shù)據(jù)的收集:a，選擇變量隨機(jī)變量與隨機(jī)干擾項(xiàng)同期相關(guān)：有偏且非一致工具變量法可以克服參數(shù)估計(jì)量性質(zhì)的分析：小樣本和大樣本性質(zhì)三、論述題實(shí)踐中進(jìn)行計(jì)量經(jīng)濟(jì)問(wèn)題必須經(jīng)過(guò)哪些步驟，分析每個(gè)步驟在計(jì)量經(jīng)濟(jì)分析中的作用。沒有壞影響。隨機(jī)解釋變量問(wèn)題：隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)獨(dú)立對(duì)減小，正負(fù)號(hào)混亂?；驈V義差分法修正序列相關(guān)性3)乘子檢驗(yàn)法用檢測(cè)方法：圖示法，回歸檢驗(yàn)法，DurbinWaston修正異方差2)檢驗(yàn)法用檢驗(yàn)法，GoldfeldQuandt檢測(cè)方法：圖示法，Park計(jì)量經(jīng)濟(jì)模型需要進(jìn)行哪些必要的檢驗(yàn)？1)如果估計(jì)的模型中的某些參數(shù)估計(jì)值不能通過(guò)顯著性檢驗(yàn)，或者殘差序列不能近似為一個(gè)白噪聲序列，應(yīng)返回第一步再次對(duì)模型進(jìn)行識(shí)別。模型參數(shù)的估計(jì)就是待初步確定模型形式后對(duì)模型參數(shù)進(jìn)行估計(jì)。qd,模型的識(shí)別就是通過(guò)對(duì)相關(guān)圖與偏相關(guān)圖的分析，初步確定適合于給定樣本的建立時(shí)間序列模型通常包括三個(gè)步驟。這即是廣義最小二乘法（GLS）。分布，這種方法稱作穩(wěn)健標(biāo)準(zhǔn)差。統(tǒng)計(jì)量服從第一種方法是對(duì)協(xié)方差矩陣進(jìn)行改進(jìn)，使得修正后的因此，可能導(dǎo)致錯(cuò)誤的推斷。分布、F統(tǒng)計(jì)量也不再服從不等于真實(shí)的方差矩陣，t(X39。OLS性質(zhì)，而轉(zhuǎn)換后模型的參數(shù)估計(jì)量與最初模型的參數(shù)是完全相同的。Ω1y具有X39。=39。39。MX)1M(Xy*39。)1(X*?βGLSΩ1u即，目標(biāo)函數(shù)是u的加權(quán)平方和，而權(quán)數(shù)矩陣則是u的協(xié)方差矩陣的逆矩陣。=39。=(Mu*(Mu*目標(biāo)函數(shù)，即殘差平方和，為：? ? ? ? ? ?QIMΩM)ME(Muu)新的隨機(jī)誤差項(xiàng)的協(xié)方差矩陣為+=即===Mu令MXβMy222。+=在方程兩邊同時(shí)乘以CholeskyΩ1MMM222。=39。那么對(duì)于正定矩陣可以找到矩陣=假設(shè)第二種方法是對(duì)模型的進(jìn)行適當(dāng)?shù)霓D(zhuǎn)換，使得轉(zhuǎn)換后模型的誤差性滿足同方差、無(wú)序列相關(guān)的假定條件。uiiXxi39。iX?X39。X)
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1