计量经济学第五章

8
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。
9
用Eviews的误设定检验3
10
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。
11
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.
i=1,2…,n
原假设: b4 = b5 = b6 =0 计算统计量LM=nR²~X² (J, a) 。
7
用Eviews的误设定检验1
• 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。
3.用Eviews的LM检验
如建立模型为Yt=0+1Xt+2X2t+ℇt时, Equation-Estimate中View/Residual Test/Serial Correlation LM Test—OK

View/Residual Test/ARCH LM Test—OK
25
• 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*@R² --Enter 双击LM时,在下边出现LM值./或直接计算。
15
三、异方差性的检验及对策
Var(ℇi)≠Var(ℇj) (i≠j)时, ℇi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。
16
异方差性的检验
1.图示检验法 如模型为Yi=0+1X1i+2X2i+…+ℇi 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。
14
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(X1) log(X2)… 或 差分法： 输入Y-Y(-1) C X1-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。
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=nR² ~X² (J, a) • n 为表示样本数, R² 表示以残差为因变量进 行回归分析得到的R² 值。
18
作为自变量进行回归分析 (H0: a1=a2=a3=a4=a5)

3.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+1 Crossterms—有交叉项XiXi+1
无约束模型(U) 计算统计量F 有约束模型(K) (general to simple) F=(RSSK-RSSu)/J ~F(J, n-k) RSSu/(n-k-1)
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)
4
2. LM检验(Lagrange Multiplier test)
23Βιβλιοθήκη Baidu
2.Durbin-Watson检验法
∑(et-e)2 DW= ∑et2
et =øet-1+ut
DW=2(1-ǿ) Durbin-Watson stat值 DW接近0时(ǿ= +1),有正相关; DW大约2时(ǿ= 0),无自相关; DW接近4时(ǿ= -1),有负相关。
24
ǿ=
∑etet-1
∑et-12

22
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: 主命令窗口上写入genr T=@trend(1)+1 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--OK
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
3
1.适合性检验(joint significance test)
Yi 0 1 X 1i 2 X 2 i k X ki i
21
四、自相关的检验及对策
Cov (εj ,εj)=0 (i不等于j)不成立,则扰动项自相关 (Serial correlation)。 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。
第五章
回归分析中常见的 问题及对策
本章学习的主要内容
•误设定(misspecification or specification) •多重共线性(multicollinearity) •异方差性(heteroskedasticity) •自相关(autocorrelation)
2
一、误设定模型的检验
i=1,2…,n
1. 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 ˆ ˆ X ˆ X ˆ X e Y
i 0 1 1i 2 2i ki ki i
26
5
3.信息基准值检验 (information rierion)
•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。
6
4.模型的非线性检验
Yi 0 1 X 1i 2 X 2 i k X ki i

LM检验法
如建立模型为Yt=0+1Xt+2X2t+ℇt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+øet-1
4.检验H0: ø=0 (如P阶时ø1=ø2=…øp=0) 5.计算LM=nR2 ~X2(1,a) X2(p,a)
12
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。
13
用Eviews的多重共线性检验2
VIF(Variance Inflation Factor)法 方差扩大因子法—VIF>10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scalar vifxx=1/(1-eqxx.@R² )发 现新标量vifxx /同时主窗口的左下角出现“vifxx successfully created”/双击vifxx时,主窗口的左下角 出现VIF值。
17
2.怀特(White)检验法

如果模型为Yi=0+1Xi+2X2i+ℇi时, 求出残差(resid) 计算出残差(resid²) 以resid² 作为因变量, Xi ,X2i,Xi2,X2i2, XiX2i, 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
用Eviews的异方差性对策1

如建立模型为Yi=0+1Xi+2X2i+ℇi时,
点击Equation-Estimate/选择Option
出现对话框时,选择 Heteroskedasticity Consistent Covariance--OK
20
用Eviews的异方差性对策2
如建立模型为Yi=0+1Xi+2X2i+ℇi时, 在命令窗口上 genr resid11=resid² 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 genr resid12=resid 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 Equation-Estimate中写入Yi Xi X2i—OK