计量经济学笔记

1.使用普通最小二乘法（OLS）进行参数估计要满足基本假设：零均值、同方差、无序列相关。

2.异方差：

概念：随机误差项包含众多因素对因变量的影响，如果其中一个或多个因素随着自变量观测值的变化而对因变量观测值产生不同的影响往往会导致异方差性。

异方差性诊断：绘制残差序列关于某一自变量的散点图，判断是否存在相关性。

操作：在Eviews命令窗口输入scat 要检验的自变量名称resid

进一步检验和诊断：White检验、Harvey检验，基本思想是建立残差序列关于自变量的回归辅助方程，拟合优度高说明存在异方差性。

操作：打开最小二乘法估计结果界面，点击估计结果窗口的view-Residual Diagnostics-Heteroskedasticity Test 选择White或者Harvey

异方差处理：加权最小二乘法，基本思路是通过给予残差平方和中的每个观测值不同权数，使模型具有同方差性。

或者使用广义最小二乘法、广义矩估计、极大似然估计。

3.序列相关：

概念：回归模型中各残差项之间不满足独立假设，称随机误差项之间存在自相关现象。

诊断方法：D.W.检验、LM检验，基本思想是建立残差序列关于其滞后期的辅助回归方程，如果辅助回归方程能被很好地拟合，说明确实存在自相关的可能。

解决办法：主要有Cochran-Orcut迭代法，也可以用广义最小二乘法、广义矩估计、极大似然估计对存在自相关的模型进行估计。

4.广义最小二乘法

广义最小二乘法的特例包括普通最小二乘法和加权最小二乘法，如果模型存在异方差和序列相关，要用广义最小二乘法。