经典计量回归模型应用计量经济学

1、经典计量回归模型应用计量经济学第1页，共94页，2022年，5月20日，18点6分，星期二一、多元回归的最小二乘法1、模型若被解释变量 与 个解释变量 存在线性关系，可建立如下线性多元模型：第2页，共94页，2022年，5月20日，18点6分，星期二线性多元模型可以表示为：第3页，共94页，2022年，5月20日，18点6分，星期二可以用矩阵表示为：其中：第4页，共94页，2022年，5月20日，18点6分，星期二第5页，共94页，2022年，5月20日，18点6分，星期二2、基本假设（1）随机误差项非自相关，每一误差项满足均值为0，方差相同且为有限值。第6页，共94页，2022年，5月20日

2、，18点6分，星期二（2）解释变量误差项相互独立。（3）解释变量之间线性无关。（4） 非随机变量。第7页，共94页，2022年，5月20日，18点6分，星期二以上假定在纯数学的意义是保证估计参数有唯一的解，同时保证了估计参数具有良好的统计特征。第8页，共94页，2022年，5月20日，18点6分，星期二3、估计上式中，利用了 （1T）（TK）（K1）（11）是一个标量，它的转置矩阵不变：第9页，共94页，2022年，5月20日，18点6分，星期二求偏导：上式中，利用了矩阵导数：则： 第10页，共94页，2022年，5月20日，18点6分，星期二由假定 是一个非退化矩阵，其逆矩阵存在，因此有：因

3、为其二阶条件 ，因此 是使方差最小化的解。第11页，共94页，2022年，5月20日，18点6分，星期二多元回归若干问题及其处理一、多重共线性多重共线性的产生：回归模型的部分解释变量之间存在线性关系，即某个解释变量可以表示为另外解释变量的线性组合。第12页，共94页，2022年，5月20日，18点6分，星期二完全的多重共线性，解释变量之间存在准确的线性关系，有：欠完全的多重共线性，解释变量之间高度相关，但又非完全相关，有：其中 为随机误差。第13页，共94页，2022年，5月20日，18点6分，星期二2、多重共线性的后果 估计值的表达式为： ，其中：第14页，共94页，2022年，5月20日，

4、18点6分，星期二如果第j个解释变量可以表示为其他解释变量的线性组合，则X矩阵可以化简为：第15页，共94页，2022年，5月20日，18点6分，星期二 的逆矩阵不存在，回归系数将不确定，回归的方差为无穷大。第16页，共94页，2022年，5月20日，18点6分，星期二如果解释变量之间高度相关，但又非完全相关，在上式对应0的行列的向量非常接近于0，解释变量之间相关程度越高，相应行列的向量越接近于0，这时，虽然回归系数可以确定，但方差随变量相关程度的提高以更快的速度提高，系数不能准确估计。第17页，共94页，2022年，5月20日，18点6分，星期二总结：1）OLS估计量仍是一个有效估计量（渐进

5、、无偏的估计量），但有很大的方差，估计的精确度差。2）一个或多个系数的t统计量不显著。3）虽然一个或多个系数的t统计量不显著，但拟合优度非常高。4）OLS估计量对数据小小的变化也会非常敏感。第18页，共94页，2022年，5月20日，18点6分，星期二3、多重共线性：一个实例消费支出与收入和财富的关系。其中Y表示消费支出、X1表示收入，X2表示财富。第19页，共94页，2022年，5月20日，18点6分，星期二回归方程：Y = C(1) + C(2)*X1 + C(3)*X2回归结果：第20页，共94页，2022年，5月20日，18点6分，星期二回归结果的拟合程度非常高，但系数的斜率没有一个通

6、过了显著性检验，但方程的总体系数检验的F统计量又非常高，说明X1、X2斜率至少有一个不为0。第21页，共94页，2022年，5月20日，18点6分，星期二以X1、X2为解释变量分别回归，得到：第22页，共94页，2022年，5月20日，18点6分，星期二分别回归后斜率高度显著。第23页，共94页，2022年，5月20日，18点6分，星期二4、多重共线性的判断1） 高而显著的t值少。2）解释变量之间高度相关3) 估计量对数据小小的变化也会非常敏感。第24页，共94页，2022年，5月20日，18点6分，星期二6、多重共线性的处理1）根据先验信息重新设立模型。2）去掉一个高度共线性的变量。3）对原

7、始序列做一阶差分。3）增加数据进行回归。第25页，共94页，2022年，5月20日，18点6分，星期二二、异方差1、异方差的产生学习模型，随学习时间的增加，其行为的误差减少。（方差减少）储蓄行为模型，随收入的增加，个人如何支配他们的收入有更大的选择，有人可以选择较多的储蓄，有人也可以选择较少的储蓄，从而，收入越高，储蓄的差异越大。（方差增大）第26页，共94页，2022年，5月20日，18点6分，星期二第27页，共94页，2022年，5月20日，18点6分，星期二2、异方差的后果模型的假定条件给出的Var（u）是一个对角矩阵，各误差项不相关，误差项的协方差为0， 第28页，共94页，2022年

8、，5月20日，18点6分，星期二当假定不成立时，有：当误差向量u的方差协方差矩阵的对角线上的元素不相等时，说明该时间序列存在异方差。非对角线上的元素表示误差向量的协方差，若非对角线上的元素不为0，表示误差项自相关。第29页，共94页，2022年，5月20日，18点6分，星期二如果存在异方差，最小二乘估计仍具有无偏性与一致性，但估计量不再是最优的，不满足最小方差性。估计量的分布受到影响。第30页，共94页，2022年，5月20日，18点6分，星期二如果仍用 来估计 ，显然这种估计是有偏的，不一致的。建立在这样一个 的t检验与F检验可能产生严重的误导，得出错误的结论。第31页，共94页，2022年

9、，5月20日，18点6分，星期二3、异方差的判断1）残差序列分析.A、不存在异方差Y第32页，共94页，2022年，5月20日，18点6分，星期二B、存在异方差，残差方差随y的增大而增大。Y第33页，共94页，2022年，5月20日，18点6分，星期二缺点：在样本期太短时无法判断。第34页，共94页，2022年，5月20日，18点6分，星期二2）异方差检验Park异方差检验步骤：A、回归方程，得方程得残差序列。B、取残差序列的平方，再估算一个方程： C、如果 值统计显著，说明数据存在异方差。第35页，共94页，2022年，5月20日，18点6分，星期二White异方差检验White异方差检验思

10、想：以两变量为例，若原始的回归为检验就以扩展的回归式为基础：第36页，共94页，2022年，5月20日，18点6分，星期二White异方差检验的输出结果给出了F统计量以及自由度为扩展回归式中回归因子个数的 分布。判断：1、如果回归元系数都不显著，则认为不存在异方差，如果有任何一个回归元的系数显著，则认为该模型存在异方差。2、F统计量及 分布在设定的显著水平接受原假设，即所有的回归原系数为0，则认为不存在异方差。 第37页，共94页，2022年，5月20日，18点6分，星期二一个实例：货币供给增长率对GDP的影响。第38页，共94页，2022年，5月20日，18点6分，星期二Estimation

11、 Equation:GNP = C(1) + C(2)*M2第39页，共94页，2022年，5月20日，18点6分，星期二结果：第40页，共94页，2022年，5月20日，18点6分，星期二异方差检验：第41页，共94页，2022年，5月20日，18点6分，星期二结果：第42页，共94页，2022年，5月20日，18点6分，星期二判断：各回归元系数均不显著，F检验接受回归元系数为0的原假设，说明不存在异方差。第43页，共94页，2022年，5月20日，18点6分，星期二4、异方差的处理1）加权最小二乘法。思想：若知道 的形式，如果某变量 与 成倒数关系，则把 与各解释变量相乘，消除异方差。第4

12、4页，共94页，2022年，5月20日，18点6分，星期二加权最小二乘法在Eviews里的实现。第45页，共94页，2022年，5月20日，18点6分，星期二第46页，共94页，2022年，5月20日，18点6分，星期二第47页，共94页，2022年，5月20日，18点6分，星期二第48页，共94页，2022年，5月20日，18点6分，星期二3）怀特（White）异方差调整怀特异方差一致协方差矩阵第49页，共94页，2022年，5月20日，18点6分，星期二4）对原始序列取对数，再建立线性模型是消除模型异方差的一个有效的方法。第50页，共94页，2022年，5月20日，18点6分，星期二三、自

13、相关1、自相关的定义：序列中的观测值之间的相关。第51页，共94页，2022年，5月20日，18点6分，星期二如果某个回归模型的残差存在类似如下关系：其中 ,说明残差序列存在（一阶）自相关。第52页，共94页，2022年，5月20日，18点6分，星期二2、自相关的产生A、惯性。对大多数经济变量来说，如GDP、价格指数、就业等时间序列都呈现一种商业循环。B、模型设定偏误。第53页，共94页，2022年，5月20日，18点6分，星期二1）模型变量缺失。如果模型的形式为：而我们采用的回归形式为：则回归误差项： ，误差表现为一种系统性变化的特征，造成自相关。第54页，共94页，2022年，5月20日，

14、18点6分，星期二2）、忽略了模型的滞后效应。如在消费模型中，消费不仅仅依赖于当期的收入水平，由于消费者不会轻易改变他们的消费习惯，因此他们的消费支出还依赖于前期的消费支出，既有：如果忽略了滞后项，则模型的误差项由于滞后变量对当前变量的影响而反映出一种系统性变化的特征，具有自相关。第55页，共94页，2022年，5月20日，18点6分，星期二3、自相关的影响。由于模型假定随机误差项非自相关， 现 ，则误差向量的方差协方差矩阵为：非对角线上的元素表示误差向量的协方差，非对角线上的元素不为0，表示误差项自相关。第56页，共94页，2022年，5月20日，18点6分，星期二与异方差的影响一样， t检

15、验与F检验可能产生严重的误导，得出错误的结论。 第57页，共94页，2022年，5月20日，18点6分，星期二4、自相关的检验1）残差序列图分析。在样本期太短时无法判断。第58页，共94页，2022年，5月20日，18点6分，星期二2）DW检验DW统计量定义为：其中T为样本容量。第59页，共94页，2022年，5月20日，18点6分，星期二由于 依赖于解释变量，因此DW统计量与t统计量及F统计量的检验不同，没有唯一的临界值可以用来检验一阶自相关假设，DW给出上限 与下限 两个临界值。第60页，共94页，2022年，5月20日，18点6分，星期二第61页，共94页，2022年，5月20日，18点

16、6分，星期二其中 为 与 相关系数的估计第62页，共94页，2022年，5月20日，18点6分，星期二DW检验： ： ，（ 一阶非自相关）第63页，共94页，2022年，5月20日，18点6分，星期二第64页，共94页，2022年，5月20日，18点6分，星期二第65页，共94页，2022年，5月20日，18点6分，星期二DW检验的缺陷：1）只能检验残差的一阶自相关。2）当解释变量中出现被解释变量的滞后变量时，DW不再适用。第66页，共94页，2022年，5月20日，18点6分，星期二解释变量中出现被解释变量的滞后变量时，残差的自相关检验伯克斯-皮尔斯Q检验。Q统计量：其中：n为样本容量，m为

17、滞后长度。第67页，共94页，2022年，5月20日，18点6分，星期二Q统计量遵循自由度为m的 分布，检验标准为，当Q统计量大于临界的值时，拒绝 全部为0的原假设，即拒绝残差非自相关的原假设。（或P值小余临界的p值时，拒绝残差非自相关的原假设）第68页，共94页，2022年，5月20日，18点6分，星期二5、自相关的处理。1）、残差自相关的结构已知广义差分法。如果残差一阶自相关：以一元回归为例，原回归为： （1）第69页，共94页，2022年，5月20日，18点6分，星期二则在时刻t-1有： (2)（1）式减去（2）式乘以 ，有：第70页，共94页，2022年，5月20日，18点6分，星期二

18、或者表示为：其中： ，上式的回归为最佳线性、无偏的一致估计。第71页，共94页，2022年，5月20日，18点6分，星期二2）、残差自相关的结构未知差分法。差分不一定可以消除模型自相关。第72页，共94页，2022年，5月20日，18点6分，星期二3）、尝试其他的模型形式。如增加解释变量，把被解释变量的滞后变量当作解释变量。第73页，共94页，2022年，5月20日，18点6分，星期二6、例：自相关的处理.中国宏观消费分析19521993，其中X为国民收入，y为居民消费。第74页，共94页，2022年，5月20日，18点6分，星期二第75页，共94页，2022年，5月20日，18点6分，星期二

19、第76页，共94页，2022年，5月20日，18点6分，星期二消费的年增长曲线YY：第77页，共94页，2022年，5月20日，18点6分，星期二国民收入的年增长曲线XX：第78页，共94页，2022年，5月20日，18点6分，星期二年消费率变化曲线：第79页，共94页，2022年，5月20日，18点6分，星期二Estimation Equation:Y = C(1) + C(2)*X第80页，共94页，2022年，5月20日，18点6分，星期二第81页，共94页，2022年，5月20日，18点6分，星期二查DW表，在5的显著性水平上，有 。由于 ，说明模型自相关。第82页，共94页，2022年，5月20日，18点6分，星期二Estimation Equation:LOG(Y) = C(1) + C(2)*LOG(X)第83页，共94页，20