计量经济学第五章ppt课件.ppt

第五章 回归分析中常见的问题及对策 2 误设定 misspecificationorspecification 多重共线性 multicollinearity 异方差性 heteroskedasticity 自相关 autocorrelation 本章学习的主要内容 3 一 误设定模型的检验 适合性检验 jointsignificancetest LM检验 LagrangeMultipliertest 信息基准值检验 informationcrierion 模型的非线性检验 4 1 适合性检验 jointsignificancetest 无约束模型 U 有约束模型 K generaltosimple 计算统计量FF RSSK RSSu JRSSu n k 1 F J n k J为表示约束条件数 K为表示自变量数或者应估计的参数数 n为表示样本数 obs 5 2 LM检验 LagrangeMultipliertest 有约束模型 R 无约束模型 U 用有约束模型 R 求出残差 resid 以残差 resid 为因变量 所有的说明自变量做自变量进行回归分析 原假设 新加说明变量的系数为零 计算统计量LM nR X J a n为表示样本数 R 表示以残差为因变量进行回归分析得到的R 值 6 无约束模型 U 与有约束模型 R 中各得出信息值AIC SC 以信息值AIC SC小的为准采用 3 信息基准值检验 informationrierion 7 4 模型的非线性检验 i 1 2 n 求出残差 resid 以残差 resid 为因变量 X2i X3i X2i 2 X3i 2 X2iX3i 做自变量进行回归分析 估计后的方程可以写成原假设 b4 b5 b6 0计算统计量LM nR X J a i 1 2 n 8 首先估计出简单 单纯 方程View CoefficientTests OmittedVariables LikelihoodRatio出现对话框时 写入新变量名OK检验结果出现在上端 如果P值很小时 拒绝原假设即应加新变量 用Eviews的误设定检验1 9 用Eviews的误设定检验2 首先估计出一般方程View CoefficientTests RedundantVariables LikelihoodRatio出现对话框时 写入删除变量名 OK对比删除前后的AIC与SC信息值 信息值小的结论是应采纳的 10 用Eviews的误设定检验3 第一 估计出简单 单纯 方程第二 在命令窗口上写入genrv hat resid或者Procs GenerateSeries中v hat resid发现v hat第三 估计出新的回归方程即选择Quick EstimateEquation后写入v hatcxix2ix3i 命令scalarLM regobs R Enter双击LM时 在下边出现LM值 或直接计算 11 二 多重共线性的检验及对策 诊断方法 系数估计值的符号不对 参数估计值不稳定 R2很大 但重要的自变量t值很低 自变量之间呈高度相关 正负0 8 0 9 则表明多重共线性存在 12 对策 去掉关系不大的变量 但应注意遗漏变量问题 重新建立模型 差分或对数处理 利用事先掌握的信息变换模型 如 Cobb Douglas函数中K与L之间存在多重共线性 且它们的系数之和等于1 增加样本数 13 用Eviews的多重共线性检验1 相关系数法首先同时选择所有的自变量 然后双击 出现选择栏时点击OpenGroup View Correlations 观察各自变量之间的大小 14 用Eviews的多重共线性检验2 VIF VarianceInflationFactor 法方差扩大因子法 VIF 10时严重 如果完全共线性时 出现 NearSingularMatix 计算自变量的VIF 存方程时不妨命名为eqxx 它是xx为因变量 其余变量为自变量的方程 主窗口命令行输入scalarvifxx 1 1 eqxx R 发现新标量vifxx 同时主窗口的左下角出现 vifxxsuccessfullycreated 双击vifxx时 主窗口的左下角出现VIF值 15 用Eviews的多重共线性对策 Quick EstimateEquation的对话框中对数法 直接输入log Y clog X1 log X2 或差分法 输入Y Y 1 CX1 X1 1 X2 X2 1 但差分常常会丢失一些信息 运用时应慎重 多重共线性多出现在横截面资料上 16 三 异方差性的检验及对策 Var i Var j i j 时 i中存在异方差性 Herteroskedasticity 即随机项中包含着对因变量的影响因素 异方差性多发生在横截面资料上 17 异方差性的检验 1 图示检验法如模型为Yi 0 1X1i 2X2i i时 以随机项 resid 的估计值作为纵坐标 因变量 Yi 作为横坐标作出散点图 观察残差的绝对值分布比较随机 无明显的规律 可判断为不存在异方差性 18 2 怀特 White 检验法如果模型为Yi 0 1Xi 2X2i i时 求出残差 resid 计算出残差 resid 以resid 作为因变量 Xi X2i Xi2 X2i2 XiX2i 作为自变量进行回归分析 H0 a1 a2 a3 a4 a5 计算nR2 X2 J a 分布 在这里n为样本数R2为第二次回归分析时的决定系数J为第二次回归分析时的自变量数 19 3 用Eviews的检验法 建立一般模型View ResidualTest WhiteHeteroscedasticity 选择 nocrossterms 与 crossterms 会出现不同的检验结果 用上面的F值 P值 判断是否拒绝假设 nocrossterms 无交叉项XiXi 1Crossterms 有交叉项XiXi 1 20 用Eviews的异方差性对策1 如建立模型为Yi 0 1Xi 2X2i i时 点击Equation Estimate 选择Option出现对话框时 选择HeteroskedasticityConsistentCovariance OK 21 用Eviews的异方差性对策2 如建立模型为Yi 0 1Xi 2X2i i时 在命令窗口上genrresid11 resid 以resid11或log resid11 作为因变量 Xi X2i Xi2 X2i2 XiX2i 作为自变量进行回归分析重现在在命令窗口上genrresid12 resid点击Equation Estimate 选择Option出现对话框时 选择 WeightedLS TSLS Weight框中写入 1 resid12 OKEquation Estimate中写入YiXiX2i OK 22 四 自相关的检验及对策 Cov j j 0 i不等于j 不成立 则扰动项自相关 Serialcorrelation 原因 1 扰动项的刺激影响往往不止持续一个时期 2 误设定 遗漏 or不正确的函数形式会导致 后果 用OLS估计不具有最小方差 不是BLUE 无法信赖参数的置信区间或假设检验结果 23 诊断方法 1 用残差的散点图分析 residualplotting 时间变量or因变量作为横坐标 resid作为纵坐标画出散点图 观察趋势 时间变量的生成法 主命令窗口上写入genrT trend 1 1选择T与resid以后Opengroup Quick Graph ScaterDiagram ShowOption选择后右下角中点击connectpoints OK 24 2 Durbin Watson检验法 et e 2 et2 etet 1 et 12 DW et et 1 ut DW 2 1 Durbin Watsonstat值DW接近0时 1 有正相关 DW大约2时 0 无自相关 DW接近4时 1 有负相关 25 3 用Eviews的LM检验 如建立模型为Yt 0 1Xt 2X2t t时 Equation Estimate中View ResidualTest SerialCorrelationLMTest OKView ResidualTest ARCHLMTest OK 26 LM检验法如