异方差多重共线性自相关的总结.docx

原因 后果 检验方法 补救措施 多重共线性 1 ?经济变量之间具有共问变化 趋势。 在截面数据中，变量间从经济 意义上具有密切的关联度。 模型中包含滞后变量。 4?样本数据自身的原因。 完全：1、参数的估计值不确定 2、参数估计值的方差无限大 不完全：1、参数估计值的方差增大 2、 变量的显著性检验失去意义 3、 区间估计和区间预测预测功能失效 4、 参数估计量经济含义不合理 1、 简单相关系数检验法 2、 方差膨胀因子法 3、 直观判断法 4、 逐步回归检测法 1、 经验方法 2、 逐步回归法 3、 岭回归法 异方差性 1、 模型设定误差 2、 数据的测量误差 3、 截面数据中总体各单位的差 异 参数估计式统计特性： 1、 仍然具有线性性 2、 仍然具有无偏性 3、 仍然具有一致性 4、 不冉具有最小方差性 参数显著性检验：使t统计量值变小。而且，异方差 情况下，通常由OLS法得到的t统计量不再 服从t分 布，F统计量也不再服从F分布。t检验和F检验失去 存在的基础。 预测：会扩大估计区间和预测区间，降低精度。 1、 图示检验法 2、 Goldfeld-Quanadt 检验 3、 White 检验 4、 ARCH检验 5、 Glejser 检验 1、 模型变换法 2、 加权最小一乘法 3、 模型的对数变换 自相关 1、 经济系统的惯性 2、 经济活动的滞后效应 3、 数据处理造成的相关 4、 蛛网现象 5、 模型设定偏误 参数估计： 1、 无偏性仍成立 2、 不冉具有最小方差性模型检验和预测： 1、 参数显著性检验失效 2、 区间预测和预测区间的精度降低 1、 图示检验法 2、 DW检验法 3、 相关图和Q统计量 4、 序列相关LM检验 1、 广义差分法 2、 科克伦-奥克特迭代法 3、 一阶差分法 检验方法 基本方法 特点 E views操作 多重共线性 简单相关系数检验法： 1、利用解释变量之间的线性相关程度去判断是否存在严重 1简单相关系数 多重共线性。 2、交叉相关系数 2、相关系数计算的是两组样本的同期相关程度，交叉相关 则可以表示不同期之间的相关程度。 方差膨胀因子法 - 以X j为被解释变量，对其他解释变量做辅助回归。 该辅助回归的可决系数为Rj2 较高的简单相关系数只是多重共线性存在的充分条件，而不是 必要条件。因此并不能简单地依据相关系数进行多重共线性的 准确判断，可以结合交叉相关系数。 1 ⑴ 引入方差扩大因子，即VIFj— 2； 1- R j 2 ⑵ Rj度量了 Xj与其他解释变量的线性相关程度， 1、 Group窗口的 view/covariance analysis/correlation 2、 Group 窗口的 view/cross correlation/ 输入滞后期设定/ 输出结果阅读：看是否超出 2倍标准差线 这种 相关程度越强，说明变量之间的多重共线性越严重，VIFj也 直观判断法 直观判断法 根据经验判断： 1、 当增加或剔除一个解释变量，或者改变一个观测值时, 回归参数的估计值发生较大变化时，回归方程可能存在严重 的多重共线性； 2、 从定性分析认为，一些重要的解释变量的回归系数的标准 误差较大，在回归方程中没有通过显著性检验，可初步判断 可能存在严重的多重共线性； 3、 有些解释变量的回归系数所带正负号与定性分析结果违 背时，可能存在多重共线性； 4、 解释变量的相关矩阵中，自变量之间的相关系数较大时, 可能存在多重共线性； 就越大；方差膨胀因子越接近于1,多重共线性 越弱。 参数估计值有很大的偶然性。 参数显著性检验未通过。 经济意义检验未通过。 相关系数大。 逐步回归检测法 将变量逐个的引入模型，每引入一个解释变量后，都 f检验，并对已经选入的解释变量逐个进行 检验。当原来引入的解释变量由于后面解释变量的引 得不再显著时，将其剔除。(这是一个反复过程) 要进行 t 入而变 当原来引入的解释变量由于后面解释变量的引入而变得 不再 显著时，就存在多重共线性。如果解释变量之间是高度相关的, 则先前引入的解释变量可能会因为后来引 入与之相关的解释 变量而被剔除。 检验方法 基本方法 特点 异方差性 图示检验法： 1、 相关图形分析 2、 残差图形分析 1、 以X为横轴，Y为纵轴，画散点图，可以粗略地看到 Y的离散程度与X之间是否有相关关系，以及Y与其样本均值的离散程度。 2 2 2 、/ 、/ 2、 绘制出e对*的散点图，如果e不随*血变化，则表明不 i i 七大曰七￥ 一 /m 田 e 眼 X 由亦/[/ mil主口日左 yr 巳亡￥ Goldfeld-Quanadt 检 验 1 J 1-L^-T 7 J ； 将样本分为两部分；然后分别对两个样本进行回归；并通 过计算两个子样的