异方差和自相关

异方差和自相关Tag内容描述：<p>1、异方差和自相关,对于经典计量模型，我们的基本假设有：,假设 对于解释变量的所有观测值，随机误差项有相同的方差。,此时可得： Var(b) =2 (XX)-1 不管是异方差还是自相关，都是无偏的、非有效（一致）的。,误差项存在异方差：Var(u)主对角线上的元素不相等 。,异方差是违背了球型扰动项假设的一种情形。在存在异方差的情况下： （1）OLS 估计量依然是无偏、一致且渐近正态的。 （2）估计量方差Var(b|X) 的表达式不再是2(XX)1，因为Var(|X) 2I。 （3）Gauss-Markov 定理不再成立，即OLS不再是最佳线性无偏估计（BLUE）。,一般截面数据容易。</p><p>2、异方差和自相关 对于经典计量模型 我们的基本假设有 假设对于解释变量的所有观测值 随机误差项有相同的方差 此时可得 在存在异方差的情况下 因此 估计结果无偏 但不是有效的 随机误差项方差变大 误差项存在异方差 U。</p><p>3、1,第三章 异方差和自相关,2,本章要点,异方差的定义、产生原因及后果 异方差的检验方法 异方差的修正方法 自相关的产生原因 忽略自相关的严重后果 自相关的检验 自相关的修正,3,在前面的章节里我们已经完成了对经典正态线性回归模型的讨论。但在实际中，经典线性回归模型的基本假定经常是不能得到满足的，而若在此状况下仍应用OLS进行回归，就会产生一系列的问题，因此我们就需要采取不同的方法对基本假定不满足。</p><p>4、异方差和自相关,对于经典计量模型，我们的基本假设有：,假设 对于解释变量的所有观测值，随机误差项有相同的方差。,此时可得： 在存在异方差的情况下：,因此，估计结果无偏，但不是有效的（随机误差项方差变大）。,误差项存在异方差：U的方差-协方差矩阵Var(u)主对角线上的元素不相等 。,异方差是违背了球型扰动项假设的一种情形。在存在异方差的情况下： （1）OLS 估计量依然是无偏、一致且渐近正态的。</p><p>5、异方差和自相关,对于经典计量模型，我们的基本假设有,假设 对于解释变量的所有观测值，随机误差项有相同的方差,此时可得： 在存在异方差的情况下,因此，估计结果无偏，但不是有效的（随机误差项方差变大,误差项存在异方差：U的方差-协方差矩阵Var(u)主对角线上的元素不相等,异方差是违背了球型扰动项假设的一种情形。在存在异方差的情况下： （1）OLS 估计量依然是无偏、一致且渐近正态的。 （2）估计量方。</p>