(完整word版)异方差多重共线性自相关的总结.doc

PAGE\*MERGEFORMAT8原因后果检验方法补救措施多重共线性经济变量之间具有共同变化趋势。在截面数据中，变量间从经济意义上具有密切的关联度。3.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、岭回归法异方差性模型设定误差数据的测量误差截面数据中总体各单位的差异参数估计式统计特性：仍然具有线性性仍然具有无偏性仍然具有一致性不再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、加权最小二乘法3、模型的对数变换自相关经济系统的惯性经济活动的滞后效应数据处理造成的相关蛛网现象模型设定偏误参数估计:无偏性仍成立不再具有最小方差性模型检验和预测：参数显著性检验失效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Eviews操作多重共线性简单相关系数检验法：简单相关系数2、交叉相关系数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多重共线性。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。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、Group窗口的view/covarianceanalysis/correlation2、Group窗口的view/crosscorrelation/输入滞后期设定/输出结果阅读：看是否超出2倍标准差线方差膨胀因子法以为被解释变量，对其他解释变量做辅助回归。该辅助回归的可决系数为。引入方差扩大因子，即；度量了与其他解释变量的线性相关程度，这种相关程度越强，说明变量之间的多重共线性越严重，也就越大；方差膨胀因子越接近于1，多重共线性越弱。直观判断法根据经验判断：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；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；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；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；（1）参数估计值有很大的偶然性。（2）参数显著性检验未通过。（3）经济意义检验未通过。（4）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，都要进行Ｆ检验，并对已经选入的解释变量逐个进行t检验。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，将其剔除。（这是一个反复过程）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：相关图形分析残差图形分析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、绘制出对的散点图，如果不随而变化，则表明不存在异方差；如果随而变化，则表明存在异方差。Goldfeld-Quanadt检验将样本分为两部分；然后分别对两个样本进行回归；并通过计算两个子样的残差平方和的比来判断两子样的剩余平方和是否存在明显差异，以此为统计量来判断是否存在异方差。（1）适用于大样本；（2）检验递增型或递减型异方差；（3）只能判断异方差是否存在，在多个解释变量的情下，对哪一个变量引起异方差的判断存在局限；（4）该检验的功效取决于C，C值越大，检验功效越好；（5）两个子样回归所用的观测值个数如果不相等时，也可以用该检验，需要通过改变自由度和统计量的计算公式来调整；（6）当模型中包含多个解释变量时，应对每个可能引起异方差的解释变量都进行检验。White检验构造残差平方序列与解释变量之间的辅助函数，通过判断辅助函数的显著性来判断原方程是否存在异方差。（一般而言，辅助回归的解释变量包括常数项、原模型中