第二篇放松经典模型的假定.ppt

  1. 1、本文档共19页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第二篇放松经典模型的假定

第2篇 放松经典模型的假定 经典模型的假定 1、参数线性模型 2、X的值在重复抽样中是固定的(非随机) 3、给定X,扰动项的均值为0 4、给定X,扰动项同方差 5、给定X,扰动项无自相关 6、若X随机,扰动项与X独立,或不相关 7、观测值个数大于回归元个数 8、回归元的取值必须有足够的变异性 9、模型设定正确 10、回归元之间不存在多重共线性 11、扰动项服从正态分布 满足上述假定OLS估计量是BLUE,且估计参数服从正态分布 前述假定可分为两类: 1、对扰动项的假定(1,2,3,4,5,9,11) 2、对数据(回归元)的假定(6,7,8,10) 对扰动项和模型设定假设主要讨论三类问题: 1、偏离经典假定多远才会产生不可忽视的影响; 2、如何发现某一假定被破坏; 3、不满足经典假定时如何补救; 对数据的假设也会遇到类似的问题 一般性的结论 1、回归元非随机和回归元独立于扰动项是可以相互替代的,回归元独立于扰动项不会改变OLS估计的性质; 2、扰动项均值非0,只会导致截距估计量有偏,对其他估计量的性质无影响 3、扰动项不服从正态分布,OLS估计量仍然是BLUE,但对小样本而言t检验和F检验无效,对大样本t检验F检验渐近有效 对不满足经典假设情况的分析路线 1、明确问题的性质:不满足那个假设,表现形式如何 2、分析其影响:参数估计?假设检验 3、侦测的方法:如何发现 4、补救措施 第10章 多重共线性 10.1 多重共线性的性质 多重共线性:回归元之间存在完全或准确的线性关系。即某个回归元可以由其他回归元线性表示(或增加一个小的扰动,此时为非完全共线性)。 完全共线性导致回归系数是不确定的,且标准误为无穷大。 非完全共线性虽然回归系数可确定,但标准误非常大。 多重共线性产生的原因 1、数据采集所用方法:如在回归元的有限范围内取值 2、模型或从中取样的总体受到约束:回归元在本质上联系密切 3、模型设定:在回归中添加多项式,但X的变化范围较小 4、过度决定模型:观测值个数少于参数个数 5、回归元有相同的趋势 10.5 多重共线性的实际后果 1、OLS估计量虽然是BLUE,但有大的方差和协方差,故难以做出精确的估计 2、置信区间更宽,更容易接受系数等于0的原假设 3、一个或多个系数的t统计量很小(绝对值)倾向于统计不显著 4、拟合优度R-2可能很高 5、OLS估计量及其标准误对数据的微小变化很敏感 10.6 消费、收入和财富的关系 模型:用收入和财富解释消费 系数的置信区间 微小变化的敏感性 收入和消费都减小10%,估计原方程 10.7 多重共线性的侦察 多重共线性本质上是一种样本现象(非总体现象),且只有强度大小之分,而无存在与否之分。 没有侦查多重共线性强弱的唯一方法 经验侦查方法: 1、R-2高,F统计量显著,但多个t统计量不显著 2、回归元之间有高度的两两相关 3、辅助回归:经验法则——仅当来自一个辅助回归的R-2大于Y对所有回归元的R-2时,多重共线性才是严重的 4、病态指数 5、容许度(1-Ri-2):越小表明多重共线性程度越严重 10.8 补救措施 1、先验信息 2、截面数据与时间序列数据并用 3、剔除变量与设定偏误 4、变量代换(差分回归、比率回归) 5、补充新数据,增大样本容量 10.10 相关系数 辅助回归的R-2 补救措施 1、使用实际GNP,RGNP=GNP/X1 2、人口与时间高度相关,模型中不包含时间因素X6 3、失业人数与就业人数之间的近似互补,将其纳入模型并无实际意义 故估计如下模型: Y=C+beta1*X2/X1+beta2*X4+beta3*X5

文档评论(0)

junjun37473 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档