1、第五章回归分析中常见的回归分析中常见的 问题及对策问题及对策误设定误设定(misspecification or specification)多重共线性多重共线性(multicollinearity)异方差性异方差性(heteroskedasticity)自相关自相关(autocorrelation)本章学习的主要内容本章学习的主要内容2一、误设定模型的检验一、误设定模型的检验适合性检验适合性检验(joint significance test)LM检验检验(Lagrange Multiplier test)信息基准值检验信息基准值检验(information crierion)模型的非线性检
2、验模型的非线性检验31.适合性检验适合性检验(joint significance test)无约束模型无约束模型(U)有约束模型有约束模型(K)(general to simple)计算统计量计算统计量F F=(RSSK-RSSu)/J RSSu/(n-k-1)F(J,n-k)J 为表示约束条件数为表示约束条件数,K 为表示自变量数为表示自变量数 或者或者 应估计的参数数应估计的参数数,n 为表示样本数为表示样本数(obs)42.LM检验检验(Lagrange Multiplier test)有约束模型有约束模型(R)无约束模型无约束模型(U)1.用有约束模型用有约束模型(R)求出残差求出残
3、差(resid);2.以残差以残差(resid)为因变量为因变量,所有的说明自变量所有的说明自变量做自变量进行回归分析做自变量进行回归分析;3.原假设原假设:新加说明变量的系数为零新加说明变量的系数为零,计算统计计算统计量量LM=nR X(J,a)n 为表示样本数为表示样本数,R表示以残差为因变量进表示以残差为因变量进行回归分析得到的行回归分析得到的R值。值。5无约束模型无约束模型(U)与有约束模型与有约束模型(R)中各得出信息值中各得出信息值AIC,SC*以信息值以信息值AIC,SC小的为准采用。小的为准采用。3.信息基准值检验信息基准值检验(information rierion)64.模
4、型的非线性检验模型的非线性检验i=1,2,n1.求出残差求出残差(resid);2.以残差以残差(resid)为因变量为因变量,X2i,X3i,X2i 2,X3i 2,X2iX3i,做自变量进行回归分析做自变量进行回归分析;估计后的方程可以写成估计后的方程可以写成原假设原假设:b4=b5=b6=0 计算统计量计算统计量LM=nR X(J,a)。i=1,2,n7首先估计出简单首先估计出简单(单纯单纯)方程方程View/Coefficient Tests/Omitted Variables-Likelihood Ratio出现对话框时出现对话框时,写入新变量名写入新变量名 OK检验结果出现在上端检
5、验结果出现在上端,如果如果P值很小时值很小时,拒拒绝原假设绝原假设即应加新变量。即应加新变量。用用Eviews的误设定检验的误设定检验18用用Eviews的误设定检验的误设定检验2 首先估计出一般方程首先估计出一般方程 View/Coefficient Tests/Redundant Variables-Likelihood Ratio 出现对话框时出现对话框时,写入删除变量名写入删除变量名-OK 对比删除前后的对比删除前后的AIC与与SC信息值信息值,信息信息 值小的结论是应采纳的。值小的结论是应采纳的。9用用Eviews的误设定检验的误设定检验3 第一第一,估计出简单估计出简单(单纯单纯)
6、方程方程 第二第二,在命令窗口上写入在命令窗口上写入genr v_hat=resid 或者或者 Procs/Generate Series中中 v_hat=resid 发现v_hat 第三第三,估计出新的回归方程估计出新的回归方程 即选择即选择Quick/Estimate Equation后写入后写入 v_hat c xi x2i x3i 命令命令scalar LM=regobs*R -Enter 双击双击LM时时,在下边出现在下边出现LM值值./或直接计算。或直接计算。10二、多重共线性的检验及对策二、多重共线性的检验及对策诊断方法诊断方法 系数估计值的符号不对;系数估计值的符号不对;参数估
7、计值不稳定参数估计值不稳定;R2很大很大,但重要的自变量但重要的自变量 t 值很低值很低;自变量之间呈高度相关自变量之间呈高度相关(正负正负0.80.9)则表明多重共线性存在。则表明多重共线性存在。11对策对策:去掉关系不大的变量去掉关系不大的变量,但应注意遗漏变量问题但应注意遗漏变量问题;重新建立模型重新建立模型(差分或对数处理差分或对数处理);利用事先掌握的信息变换模型利用事先掌握的信息变换模型;(如如:Cobb-Douglas函数中函数中K与与L之间存在多重之间存在多重 共线性共线性,且它们的系数之和等于且它们的系数之和等于1)增加样本数增加样本数.12用用Eviews的多重共线性检验的
8、多重共线性检验1相关系数法相关系数法首先同时选择所有的自变量首先同时选择所有的自变量;然后双击然后双击-出现选择栏时点击出现选择栏时点击Open Group/View/Correlations;观察各自变量之间的大小。观察各自变量之间的大小。13用用Eviews的多重共线性检验的多重共线性检验2VIF(VarianceVIF(Variance Inflation Factor)Inflation Factor)法法 方差扩大因子法方差扩大因子法VIF10时严重。时严重。如果完全共线性时,出现如果完全共线性时,出现“Near Singular Matix)计算自变量的计算自变量的VIF。(存方程
9、时不妨命名为存方程时不妨命名为eqxxeqxx)。它它是是xx为因变量为因变量,其余变量为自变量的方程。其余变量为自变量的方程。主窗口命令行输入主窗口命令行输入scalar scalar vifxxvifxx=1/(=1/(1-eqxx.R1-eqxx.R)发发现新标量现新标量vifxx/同时主窗口的左下角出现同时主窗口的左下角出现“vifxx successfully created”/双击双击vifxxvifxx时时,主窗口的左下角主窗口的左下角出现出现VIF值。值。14用用Eviews的多重共线性对策的多重共线性对策Quick/Estimate Equation的对话框中的对话框中对数法
10、:对数法:直接输入直接输入log(Ylog(Y)c log(X)c log(X1 1)log(X)log(X2 2)或或差分法:差分法:输入输入Y-Y(-1)C XY-Y(-1)C X1 1-X-X1 1(-1)X(-1)X2 2-X-X2 2(-1)(-1)但差分常常会丢失一些信息但差分常常会丢失一些信息,运用时应慎重。运用时应慎重。多重共线性多出现在横截面资料上多重共线性多出现在横截面资料上。15三、异方差性的检验及对策三、异方差性的检验及对策Var(i)Var(j)(ij)时时,i中存在异方差性中存在异方差性(Herteroskedasticity)。即随机项中包含着对因变量的影响因素即
11、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。异方差性多发生在横截面资料上。16异方差性的检验异方差性的检验1.图示检验法图示检验法 如模型为如模型为Yi=0+1X1i+2X2i+i 时时,以随机项以随机项(resid)的估计值作为纵坐标的估计值作为纵坐标,因变量因变量(Yi)作为横坐标作出散点图。作为横坐标作出散点图。观察残差的绝对值分布比较随机观察残差的绝对值分布比较随机,无明显的规无明显的规律律,可判断为不存在异方差性。可判断为不存在异方差性。172.怀特怀特(White)检验法检验法 如果模型为如果模型为Yi=0+1Xi+2X2i+i时时,n 求出残差求出残差(res
12、id)n 计算出残差计算出残差(resid)n 以以resid作为因变量作为因变量,Xi,X2i,Xi2,X2i2,XiX2i,作为自变量进行回归分析作为自变量进行回归分析(H0:a1=a2=a3=a4=a5)n计算计算nR2X2(J,a)分布分布,在这里在这里 n为样本数为样本数 R2为第二次回归分析时的决定系数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。为第二次回归分析时的自变量数。183.用用Eviews的检验法的检验法 建立一般模型建立一般模型 View/Residual Test/White Heteroscedasticity/选择选择(no crossterms
13、)与与 (crossterms)会出现不同的检验结果。会出现不同的检验结果。用上面的用上面的F值值(P值值)判断是否拒绝假设。判断是否拒绝假设。no crossterms无交叉项无交叉项XiXi+1Crossterms有交叉项有交叉项XiXi+119用用Eviews的异方差性对策的异方差性对策1n如建立模型为如建立模型为Yi=0+1Xi+2X2i+i时时,n点击点击Equation-Estimate/选择选择Option出现对话框时出现对话框时,选择选择Heteroskedasticity Consistent Covariance-OK20用用Eviews的异方差性对策的异方差性对策2如建立
14、模型为如建立模型为Yi=0+1Xi+2X2i+i时时,n在命令窗口上在命令窗口上 genr resid11=residn以以resid11或或log(resid11)作为因变量作为因变量,Xi,X2i,Xi2,X2i2,XiX2i,作为自变量进行回归分析作为自变量进行回归分析n重现在在命令窗口上重现在在命令窗口上 genr resid12=residn点击点击Equation-Estimate/选择选择Option出现对出现对话框时话框时,选择选择“Weighted LS/TSLS”Weight框中写入框中写入“1/resid12”OK nEquation-Estimate中写入中写入Yi X
15、i X2iOK21 四、自相关的检验及对策四、自相关的检验及对策nCov(j,j)=0 (i不等于不等于j)不成立不成立,则扰动项自相关则扰动项自相关(Serial correlation)。n原因原因:(1)扰动项的刺激影响往往不止持续一个时期扰动项的刺激影响往往不止持续一个时期。(2)误设定误设定(遗漏遗漏)or不正确的函数形式会导致不正确的函数形式会导致。n后果后果:-用用OLS估计不具有最小方差估计不具有最小方差,(不是不是BLUE)-无法信赖参数的置信区间或假设检验结果无法信赖参数的置信区间或假设检验结果。22诊断方法诊断方法1.用残差的散点图分析用残差的散点图分析(residual
16、 plotting)时间变量时间变量or因变量作为横坐标因变量作为横坐标,resid作为作为纵坐标画出散点图纵坐标画出散点图观察趋势。观察趋势。时间变量的生成法时间变量的生成法:n主命令窗口上写入主命令窗口上写入genr T=trend(1)+1n选择选择T与与resid以后以后Open group/Quick/Graph/Scater Diagram-Show Option选择后右下角中点击选择后右下角中点击connect points-OK232.Durbin-Watson检验法检验法 (et-e)2 et2 etet-1 et-12DW=et=et-1+utDW=2(1-)=Durbin-Watson stat值值DW接近接近0时时(=+1),有正相关有正相关;DW大约大约2时时(=0),无自相关无自相关;DW接近接近4时时(=-1),有负相关。有负相关。243.用用Eviews的的LM检验检验n如建立模型为如建立模型为Yt=0+1Xt+2X2t+t时时,nEquation-Estimate中中View/Residual Test/Serial Correlation LM Te
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1