第三章 模型中误差项假定的诸问题汇总
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第三章 模型中误差项假定的诸问题
第一节 广义最小二乘法
前面的分析知道,多元线性回归的数学模型可以表示为:
12233t t t k kt t
Y X X X ββββμ=+++⋅⋅⋅++
(t=1,2,3,…,n )
其中t μ是随机误差项,它代表的是对于t Y 的变化,it X 不能解释的微小变动的全部。用矩阵表示,则上述回归模型可以表示为:
Y X U
β=+
其中,123n Y Y Y Y Y ⎛⎫
⎪ ⎪ ⎪= ⎪ ⎪
⎪
⎝⎭
M ,123k βββββ⎛⎫ ⎪
⎪ ⎪= ⎪
⎪ ⎪⎝⎭M ,2131122
32223111k k n n kn X X X X X X X X X X ⋅⋅⋅⎛⎫ ⎪⋅⋅⋅
⎪
= ⎪ ⎪⋅⋅⋅⎝⎭M M M M ,123n u u U u u ⎛⎫
⎪
⎪ ⎪= ⎪
⎪ ⎪
⎝⎭
M
运用最小二乘准则,我们得到的参数的估计量为:
()1''ˆX X X Y β-=
对于随机误差项t μ,我们所做的假定有三个:零均值、同方差和非自相关。这三个假定的矩阵表述为:
()()()()()1230000
0n E u E u E U E u E u ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪
⎪=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭
M M ,
()()()()()()()()()()()11212122122222'2var cov ,cov ,cov ,var cov ,var cov ,cov ,var 10000
001000000
001000
n n n n n u u u
u n u u u u u u u u u u u U u u u u u I E UU σσσσσ⋅⋅⋅⎛⎫ ⎪⋅⋅⋅ ⎪= ⎪ ⎪ ⎪⋅⋅⋅⎝⎭
⎛⎫⎛⎫
⎪ ⎪
⎪ ⎪
==== ⎪ ⎪ ⎪ ⎪
⎪⎝⎭
⎝
⎭M M M M M M M M M M M 在上述假定条件下,我们得出的参数估计值具有最优线性无偏估计特性。 现实情况的偏离:
1、随机扰动项均值不为零时,通过将随机扰动项与常数项结合,不会对估计产生影响。
2、同方差和非自相关假设不满足时,会对最小二乘估计产生重要影响。
因此,不满足假定条件的分析可以归结为同方差和非自相关的偏离。用矩阵来表示为:
()'
2u
E UU σ=Ω
,其中,Ω为
n 阶正定矩阵。
当正定对称矩阵已知时,可以通过对给出的模型做变换,使得变换后的模型满足标准线性回归模型的条件,进而,运用最小二估计准则,求出满足最优线性无偏估计特性的参数估计量。
假设有模型Y
X U
β=+,其中随机扰动项不满足
同方差和非自相关条件,即有
()'
2u
E UU σ=Ω
因此,不能直接用最小二乘估计准则进行估计。
现在,由于Ω为n 阶对称正定矩阵,故存在可逆矩阵D 使得下述式子成立:
'
DD Ω=
对原有模型Y X U
β=+进行变换,即等式两边同
时左乘矩阵1
D
-有:
111Y X U
D Y D X D U
ββ---=+⇒=+
令:111
,,Y D Y X D X U D U *
**---===。 从而,原有模型Y
X U
β=+转换为:
Y X U β***=+,
新模型中的随机扰动项的协方差矩阵为:
()()()()
()()
()()()()()()()'1111111212112111111'
'''''''''''u u u n
n Var U E U U E D U D U E D UU D D E UU D D D D D I DD D D D DD D D D I σσσ***----------------=====Ω=Ω=⎛⎫Ω=⇒Ω= ⎪ ⎪⇒Ω=⎝⎭
这样,就可以运用最小二乘法进行估计,并得出参数估计值:
()1''ˆX X X Y β*-****=
将111,,Y D Y X D X U D U *
**---===代入得到: ()()()
(
)
()()(
)
()()1
1
'
'
''1
1
1
1
1
'1
1'111
'
1
'1ˆ''X X X Y D X D X D X D Y X D
D X
X D D Y
X X X Y
β*
------****--------====ΩΩ因此,这里我们得出的ˆβ
*
称为参数的广义最小二乘估计量,
很明显,ˆβ
*
具有最优线性无偏估计量特征。
上述在随机扰动项不满足假定条件的情况下,我们仍然能够得到参数的最优线性无偏估计量的关键是,误差项协方差矩阵 Ω已知,进而我们通过变换和处理使其化为满足假定条件的模型。现实情况是误差项协方差矩阵 Ω未知。因此,必须首先对Ω进行讨论。