计量经济学第五章.ppt

第五章回归分析中常见的 问题及对策12误设定(misspecification or specification)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(joint significance test)LM检验(Lagrange Multiplier test)信息基准值检验(information crierion)模型的非线性检验41.适合性检验(joint significance test)无约束模型(U)有约束模型(K)(general to simple)计算统计量F F=(RSSK-RSSu)/J RSSu/(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)52.LM检验(Lagrange Multiplier test)有约束模型(R)无约束模型(U)1.用有约束模型(R)求出残差(resid);2.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;3.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AICSC*以信息值AIC,SC小的为准采用。3.信息基准值检验(information rierion)74.模型的非线性检验i=1,2,n1.求出残差(resid)；2.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,n8首先估计出简单(单纯)方程View/Coefficient Tests/Omitted Variables-Likelihood Ratio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19用Eviews的误设定检验2 首先估计出一般方程 View/Coefficient Tests/Redundant Variables-Likelihood Ratio 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genr v_hat=resid 或者 Procs/Generate Series中 v_hat=resid 发现v_hat 第三,估计出新的回归方程 即选择Quick/Estimate Equation后写入 v_hat c xi x2i x3i 命令scalar LM=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0.80.9)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Open Group/View/Correlations;观察各自变量之间的大小。14用Eviews的多重共线性检验2VIF(Variance Inflation Factor)VIF(Variance Inflation Factor)法 方差扩大因子法VIF10时严重。如果完全共线性时，出现“Near Singular Matix）计算自变量的VIF。(存方程时不妨命名为eqxxeqxx)。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scalar vifxx=1/(scalar vifxx=1/(1-eqxx.R1-eqxx.R)发现新标量vifxx/同时主窗口的左下角出现“vifxx successfully created”/双击vifxxvifxx时,主窗口的左下角出现VIF值。2024/4/21 周日1516用Eviews的多重共线性对策Quick/Estimate Equation的对话框中对数法：直接输入log(Y)c log(Xlog(Y)c log(X1 1)log(X)log(X2 2)或差分法：输入Y-Y(-1)C XY-Y(-1)C X1 1-X-X1 1(-1)X(-1)X2 2-X-X2 2(-1)(-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。17三、异方差性的检验及对策Var(i)Var(j)(ij)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。18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。192.怀特(White)检验法 如果模型为Yi=0+1Xi+2X2i+i时,n 求出残差(resid)n 计算出残差(resid)n 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)n计算nR2X2(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。203.用Eviews的检验法 建立一般模型 View/Residual Test/White Heteroscedasticity/选择(no crossterms)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。no crossterms无交叉项XiXi+1Crossterms有交叉项XiXi+121用Eviews的异方差性对策1n如建立模型为Yi=0+1Xi+2X2i+i时,n点击Equation-Estimate/选择Option出现对话框时,选择Heteroskedasticity Consistent Covariance-OK22用Eviews的异方差性对策2如建立模型为Yi=0+1Xi+2X2i+i时,n在命令窗口上 genr resid11=residn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n重现在在命令窗口上 genr resid12=residn点击Equation-Estimate/选择Option出现对话框时,选择“Weighted LS/TSLS”Weight框中写入1/resid12”OK nEquation-Estimate中写入Yi Xi X2iOK23 四、自相关的检验及对策nCov(j,j)=0 (i不等于j)不成立,则扰动项自相关(Serial correlation)。n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。n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。24诊断方法1.用残差的散点图分析(residual plotting)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:n主命令窗口上写入genr T=trend(1)+1n选择T与resid以后Open group/Quick/Graph/Scater Diagram-Show Option选择后右下角中点击connect points-OK252.Durbin-Watson检验法 (et-e)2 et2 etet-1 et-12DW=et=et-1+utDW=2(1-)=Durbin-Watson stat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。263.用Eviews的LM检验n如建立模型为Yt=0+1Xt+2X2t+t时,nEquation-Estimate中View/Residual Test/Serial Correlation LM TestOK nView/Residual Test/ARCH LM TestOK27nLM检验法如建立模型为Yt=0+1Xt+2X2t+t时,1.求出残差resid(et)2.resid作为因变量,Xt,X2t,et-1作为自变量进行回归分析3.得出的方程为 et=b10+b1Xt+b2X2t+et-14.检验H0:=0(如P阶时1=2=p=0)5.计算LM=nR2 X2(1,a)X2(p,a)2024/4/21 周日28