趙衛(wèi)亞版計量經(jīng)濟學期末整理-展示頁
2025-07-04 03:57本頁面
【正文】 聯(lián)的。（假性）例如，平均成本函數(shù)應(yīng)該是二次多項式模型:如果設(shè)成了直線形式，則隨機誤差項是自相關(guān)的，因為誤差項中包括了產(chǎn)值的平方項，產(chǎn)值的各期相關(guān)性將會導致隨機誤差項的自相關(guān)性。再如，在商品需求函數(shù)中，如果解釋變量只有收人和商品的自價格，則隨機誤差項中將包含其他商品價格對該商品需求的能響，價格變量般是逐期相關(guān)的，從而使模型產(chǎn)生自相關(guān)性。xy 原因i. 模型中遺漏了重要的解釋變量。二、ii. WLS也可利用以下方法：i. 模型變換法模型變換法即對存在異方差性的模型進行適當?shù)淖兞孔儞Q，使之成為滿足同方差假定的模型，這樣仍然可以利用最小二乘法估計變換后的模型，得到的參數(shù)估計還是最佳線性無偏估計。模型修正后就已經(jīng)解決。優(yōu)點：不僅能檢驗出異方差性，而且可以近似給出異方差的具體形式，有助于進一步研究如何消除異方差性的影響。（這個應(yīng)該不用背）iv. 帕克檢驗和戈里瑟檢驗基本思想：利用殘差絕對值序列或殘差平方序列，分別對見iii. 懷特檢驗使用范圍（優(yōu)點）：適用于任何形式的異方差（不僅限于單調(diào)異方差）、對于多元模型也很方便，還可以初步推測異方差的形式。的值應(yīng)該大致相同。RSS與RSS。分別建立回歸模型,并求出各自的殘差平方和RSS和樣本檢驗思路：為了檢驗異方差性,將樣本按解釋變量排序后分成兩部分，再利用樣本對于復雜異方差不適用。ii. 戈得菲爾德匡特檢驗（GQ）適用范圍（優(yōu)點）：樣本容量較大、異方差性呈遞增或遞減的情況，對于復雜異方差則無法應(yīng)用，檢驗結(jié)果和數(shù)據(jù)剔除個數(shù)有關(guān)。的離散程度和解釋變量是否有相關(guān)關(guān)系。相關(guān)圖分析考察隨機誤差項的方差與模型的預測區(qū)間密切相關(guān)，在方差逐漸增大的情況下，模型的預測誤差也隨著增大。檢驗來判斷解釋變量影響的顯著性將失去意義。統(tǒng)計量的正確確定，所以用S（b），這直接影響檢驗的可靠性降低。ii. 無法正確估計系數(shù)的標準誤差。OLS隨機誤差項為異方差時，OLS時間序列中，波動的系統(tǒng)變化。（假性）iii. 隨機因素的影響。 異方差性出現(xiàn)的原因：i. 模型中遺漏了影響逐漸增大的因素。計量經(jīng)濟學整理一、異方差性 定義：對于線性回歸模型，同方差若為常數(shù)則對于不同的樣本點，隨機誤差項的離散程度是相同的，但如果同方差非常數(shù)，則稱模型出現(xiàn)了異方差性。（假性）ii. 模型函數(shù)形式的設(shè)定誤差。截面數(shù)據(jù)中，波動（不確定性）與經(jīng)濟規(guī)模的比例關(guān)系。 異方差性的影響：i. 最小二乘估計不再是有效估計。估計仍然是無偏估計，但不再具有最小方差的特性；即存在其他的參數(shù)估計方法，其估計誤差將小于估計的誤差。參數(shù)估計的標準差出現(xiàn)偏差，有可能增大也可能偏小iii. t因為在異方差情況下，無法正確估計系數(shù)的標準誤差ttiv. 增大模型的預測誤差。 異方差的檢驗i. 圖示分析法。Y殘差序列分布圖考察殘差的離散程度。缺點：無法確定具體形式，對于接下來如何解決異方差沒有提供很好的建議。對于多元的情況，處理比較麻煩。12和如果誤差項的離散程度相同(即為同方差的)，則RSS若兩者之間存在顯著差異，則表明存在異方差性。檢驗步驟：通過建立輔助回歸模型來判斷。pptXi（的某種形式）進行一元輔助回歸；由回歸方程的顯著性、擬合優(yōu)度判斷異方差存在。 異方差的解決辦法如果是假性異方差，首先修正模型，若檢驗后發(fā)現(xiàn)異方差不存在了，說明原來的異方差是假性異方差。如果是真正的異方差，通過模型修正也無法改善，則可利用增長率模型，將與規(guī)模有關(guān)的異方差去除或減弱。
公司管理相關(guān)推薦
鄂ICP備17016276號-1