線性回歸模型的擴(kuò)展課件

第四講線性回歸分析的擴(kuò)展

LinearRegressionAnalysis:Extension一、引言：放寬經(jīng)典模型的假設(shè)二、多重共線性三、異方差性四、序列相關(guān)五、設(shè)定誤差第四講線性回歸分析的擴(kuò)展

LinearRegressi一、引言：放寬經(jīng)典模型的假設(shè)一、引言：放寬經(jīng)典模型的假設(shè)引言：放寬經(jīng)典模型的假設(shè)經(jīng)典正態(tài)線性回歸模型（CNLRM）的假定（一）關(guān)于模型的假定回歸模型對(duì)參數(shù)而言是線性的模型是正確設(shè)定的（二）關(guān)于解釋變量的假定解釋變量X是確定性變量若X是隨機(jī)的，則誤差項(xiàng)與X不相關(guān)解釋變量的取值有足夠變異解釋變量之間不存在完全的線性關(guān)系引言：放寬經(jīng)典模型的假設(shè)經(jīng)典正態(tài)線性回歸模型（CNLRM）的3引言：放寬經(jīng)典模型的假設(shè)經(jīng)典正態(tài)線性回歸模型（CNLRM）的假定（三）關(guān)于誤差項(xiàng)的假定對(duì)于給定的X，誤差項(xiàng)均值為0對(duì)于給定的X，誤差項(xiàng)方差相等對(duì)于給定的X，誤差項(xiàng)之間不存在序列相關(guān)誤差項(xiàng)服從正態(tài)分布引言：放寬經(jīng)典模型的假設(shè)經(jīng)典正態(tài)線性回歸模型（CNLRM）的4引言：放寬經(jīng)典模型的假設(shè)放寬的假定相應(yīng)的問題假定1、2模型設(shè)定問題假定3、4隨機(jī)解釋變量假定5過度決定（微數(shù)缺測性）假定6多重共線性假定7誤差項(xiàng)均值非零假定8異方差性假定9序列相關(guān)假定10誤差項(xiàng)非正態(tài)分布假定3和4在聯(lián)立方程模型中討論對(duì)假定5我們做簡單討論假定7影響參數(shù)估計(jì)的無偏性，暫不討論假定10對(duì)于大樣本數(shù)據(jù)不是必需的假定。本講主要考慮放寬了其余假定后面臨的問題引言：放寬經(jīng)典模型的假設(shè)放寬的假定相應(yīng)的問題假定1、2模型設(shè)5引言：放寬經(jīng)典模型的假設(shè)微數(shù)缺測性從理論上講，樣本容量n和解釋變量數(shù)目k必須滿足n>k+2，才能進(jìn)行OLS估計(jì)和假設(shè)檢驗(yàn)。但事實(shí)上，即便n滿足上述條件，但如果樣本很小，那么雖然能夠進(jìn)行估計(jì)和檢驗(yàn)，也很難通過t檢驗(yàn)。引言：放寬經(jīng)典模型的假設(shè)微數(shù)缺測性6什么是多重共線性多重共線性的影響多重共線性的診斷多重共線性的處理二、多重共線性什么是多重共線性二、多重共線性什么是多重共線性多重共線性（multicollinearity）：回歸模型中的一些或全部解釋變量之間存在一定程度的線性關(guān)系什么是多重共線性多重共線性（multicollinearit8什么是多重共線性例題4.1其他例題：p200X1

X2X3X410555267158075251895973424125129183015515289什么是多重共線性例題4.1X1X2X3X4105552679什么是多重共線性圖形表示：巴倫坦圖YX1X2YX1X2低度多重共線性高度多重共線性什么是多重共線性圖形表示：巴倫坦圖YY低度多重共線性高度多重10什么是多重共線性產(chǎn)生多重共線性的原因樣本過小模型設(shè)定有誤：添加了過多的解釋變量由于樣本過小，即便在總體中解釋變量之間沒有線性關(guān)系，也可能在獲得的樣本中觀察到較強(qiáng)的線性關(guān)系什么是多重共線性產(chǎn)生多重共線性的原因11多重共線性的影響存在完全線性關(guān)系時(shí)的OLS估計(jì)無法得到OLS估計(jì)量例題：p201-202多重共線性的影響存在完全線性關(guān)系時(shí)的OLS估計(jì)12多重共線性的影響存在多重共線性關(guān)系時(shí)的OLS估計(jì)可以證明即便存在多重共線性，OLS估計(jì)量仍然是BLUE，但系數(shù)估計(jì)量的方差較大，從而不容易通過t檢驗(yàn)，同時(shí)預(yù)測區(qū)間變寬，降低了預(yù)測精確度。例題：p202-203多重共線性的影響存在多重共線性關(guān)系時(shí)的OLS估計(jì)例題：p2013多重共線性的影響影響程度的度量：方差膨脹因子（variance-inflationfactor）多重共線性的影響影響程度的度量：方差膨脹因子（varianc14多重共線性的影響例題4.2RjVIFj0.001.00A0.501.331.33A0.905.765.76A0.9510.2610.26A0.9950.2550.25A多重共線性的影響例題4.2RjVIFj0.001.00A0.15多重共線性的診斷簡單診斷方法R2高而單個(gè)系數(shù)的t值小，換言之，F(xiàn)檢驗(yàn)顯著，但顯著的t值少任意兩個(gè)解釋變量之間的相關(guān)系數(shù)較大，比如大于0.9解釋變量之間的偏相關(guān)系數(shù)較大簡單方法一般來說不很精確多重共線性的診斷簡單診斷方法16多重共線性的診斷運(yùn)用回歸分析進(jìn)行診斷逐步分析法：先引入經(jīng)濟(jì)意義明顯，并且在統(tǒng)計(jì)上最顯著的解釋變量，然后逐步引入其他解釋變量。如果新引入的解釋變量使原有解釋變量的系數(shù)估計(jì)值發(fā)生明顯變化，或t統(tǒng)計(jì)量明顯變小，則說明新引入的解釋變量與原有解釋變量之間存在多重共線性，可以去掉新引入的解釋變量輔助回歸法：做每一個(gè)解釋變量對(duì)其余解釋變量的回歸，得出相應(yīng)的F統(tǒng)計(jì)值，如果在給定的顯著性水平下F統(tǒng)計(jì)值是顯著的，說明該解釋變量與其他解釋變量之間存在線性關(guān)系，可以去掉該解釋變量（p207，p211）多重共線性的診斷運(yùn)用回歸分析進(jìn)行診斷17多重共線性的診斷運(yùn)用一些指標(biāo)進(jìn)行診斷方差膨脹因子：計(jì)算每個(gè)解釋變量的方差膨脹因子VIF，一般認(rèn)為如果VIF大于10，說明該變量與其他變量存在高度共線性容許度（tolerance）：定義容許度TOL如下，一般認(rèn)為如果TOL小于0.1，說明該變量與其他變量存在高度共線性條件指數(shù)（conditionindex,CI）：一般認(rèn)為，如果條件指數(shù)在10到30之間，存在較強(qiáng)的多重共線性，如果大于30，則存在嚴(yán)重的多重共線性多重共線性的診斷運(yùn)用一些指標(biāo)進(jìn)行診斷18多重共線性的診斷例題4.3（p218）YConsumptionX1IncomeX2Wealth7080810651001009901201273951401425110160163311518018761202002052140220220115524024351502602686例題：p209-211多重共線性的診斷例題4.3（p218）YX1X27080819多重共線性的診斷幾點(diǎn)說明多重共線性是一個(gè)程度問題而不是存在與否的問題多重共線性是關(guān)于樣本的一種特征如果研究是為了估計(jì)斜率系數(shù)和預(yù)測，多重共線性不是一個(gè)嚴(yán)重的問題；但如果研究的主要目的是假設(shè)檢驗(yàn)，則高度多重共線性的危害就很大多重共線性的診斷幾點(diǎn)說明20多重共線性的處理剔除共線性變量中不太重要的解釋變量補(bǔ)充新數(shù)據(jù)重新設(shè)定模型練習(xí)題：p216-217，習(xí)題10.14-10.19多重共線性的處理剔除共線性變量中不太重要的解釋變量21什么是異方差性異方差性的影響異方差性的診斷異方差性的處理三、異方差性什么是異方差性三、異方差性什么是異方差性異方差性（heteroscedasticity）：回歸模型誤差項(xiàng)的方差不相同同方差性（homoscedasticity）：回歸模型誤差項(xiàng)的方差不相同什么是異方差性異方差性（heteroscedasticity23什么是異方差性同方差性XY概率密度X：受教育年限Y：工資什么是異方差性同方差性XY概率密度X：受教育年限24什么是異方差性異方差性XY概率密度X：收入Y：消費(fèi)支出什么是異方差性異方差性XY概率密度X：收入25什么是異方差性異方差性XY概率密度X：時(shí)間Y：打字錯(cuò)誤例題：p220-224什么是異方差性異方差性XY概率密度X：時(shí)間例題：p220-226什么是異方差性產(chǎn)生異方差性的原因原因解釋變量：收入被解釋變量：消費(fèi)支出解釋變量與誤差項(xiàng)相關(guān)隨著收入的增加，支出差異性更大有重要的解釋變量未被包含在回歸模型中物價(jià)也是影響支出的因素，物價(jià)上漲時(shí)，高收入者有可能拿出更多的錢來消費(fèi)，因而支出差異性更大異常值（outliers）什么是異方差性產(chǎn)生異方差性的原因原因解釋變量：收入解釋變量與27異方差性的影響回歸系數(shù)的OLS估計(jì)量雖然是無偏的、一致的，但不再是有效的回歸標(biāo)準(zhǔn)差的估計(jì)不再是無偏的回歸系數(shù)OLS估計(jì)量的方差估計(jì)不再是無偏的，因而t統(tǒng)計(jì)量不再服從t分布，F(xiàn)統(tǒng)計(jì)量不再服從F分布，從而無法進(jìn)行區(qū)間估計(jì)和假設(shè)檢驗(yàn)無法根據(jù)回歸結(jié)果進(jìn)行預(yù)測異方差性的影響回歸系數(shù)的OLS估計(jì)量雖然是無偏的、一致的，但28異方差性的診斷圖解法布羅施-培甘檢驗(yàn)（Breusch-Pagantest）懷特檢驗(yàn)（Whitetest）帕克檢驗(yàn)（Parktest）Glesjertest戈德菲爾德-匡特檢驗(yàn)（Goldfeld-Quandttest）異方差性的診斷圖解法29異方差性的診斷圖解法在同方差假定下作回歸分析，用殘差項(xiàng)平方與解釋變量做散點(diǎn)圖X異方差性的診斷圖解法X30異方差性的診斷圖解法：簡便處理用殘差項(xiàng)平方與因變量擬合值做散點(diǎn)圖異方差性的診斷圖解法：簡便處理31異方差性的診斷例題4.4（p222）1988年美國公司銷售額與研發(fā)支出的關(guān)系異方差性的診斷例題4.4（p222）32異方差性的診斷例題4.4異方差性的診斷例題4.433異方差性的診斷布勞殊-培干檢驗(yàn)（Breusch-Pagantest）異方差性的診斷布勞殊-培干檢驗(yàn)（Breusch-Pagan34異方差性的診斷例題4.4：BPTest異方差性的診斷例題4.4：BPTest35異方差性的診斷懷特檢驗(yàn)（Whitetest）異方差性的診斷懷特檢驗(yàn)（Whitetest）36異方差性的診斷懷特檢驗(yàn)的特例異方差性的診斷懷特檢驗(yàn)的特例37異方差性的診斷例題4.4：WhiteTest異方差性的診斷例題4.4：WhiteTest38異方差性的診斷在EViews等計(jì)量經(jīng)濟(jì)學(xué)軟件中，直接提供White異方差檢驗(yàn)的結(jié)果，不需要手工計(jì)算。異方差性的診斷在EViews等計(jì)量經(jīng)濟(jì)學(xué)軟件中，直接提供Wh39異方差性的處理加權(quán)最小二乘法（WeightedLeastSquare，WLS）WLS是廣義最小二乘估計(jì)（GeneralizeLeastSquare,GLS）方法中的一種通過WLS可以得到BLUE重新設(shè)定模型懷特一致協(xié)方差矩陣估計(jì)（WhiteHeteroskedasticity-ConsistenceCovarianceMatrixEstimation）得到無偏一致估計(jì)量（在大樣本情形下適用）異方差性的處理加權(quán)最小二乘法（WeightedLeast40異方差性的處理加權(quán)最小二乘估計(jì)：誤差項(xiàng)方差已知異方差性的處理加權(quán)最小二乘估計(jì)：誤差項(xiàng)方差已知41異方差性的處理加權(quán)最小二乘估計(jì)：誤差項(xiàng)方差未知異方差性的處理加權(quán)最小二乘估計(jì)：誤差項(xiàng)方差未知42異方差性的處理例題4.4：加權(quán)最小二乘估計(jì)（p233）1988年美國公司銷售額與研發(fā)支出的關(guān)系異方差性的處理例題4.4：加權(quán)最小二乘估計(jì)（p233）43異方差性的處理可行的廣義最小二乘估計(jì)在一般情況下，我們并不知道異方差的具體形式，需要對(duì)異方差的函數(shù)形式做出估計(jì)，然后再進(jìn)行加權(quán)最小二乘估計(jì)，這種方法屬于可行的廣義最小二乘估計(jì)（FeasibleGeneralizedLeastSquare,FGLS）（伍德里奇，2000；趙國慶，2001）異方差性的處理可行的廣義最小二乘估計(jì)44異方差性的處理可行的廣義最小二乘估計(jì)異方差性的處理可行的廣義最小二乘估計(jì)45異方差性的處理例題4.51996年中國各省市城鎮(zhèn)居民人均收入與人均消費(fèi)的關(guān)系異方差性的處理例題4.546異方差性的處理重新設(shè)定模型例題：p235異方差性的處理重新設(shè)定模型例題：p23547異方差性的處理例題4.51996年中國各省市城鎮(zhèn)居民人均收入與人均消費(fèi)的關(guān)系異方差性的處理例題4.548異方差性的處理懷特一致協(xié)方差矩陣估計(jì)如果存在異方差，則對(duì)于通過OLS得到的估計(jì)量不能進(jìn)行t檢驗(yàn)和F檢驗(yàn)。EViews等軟件提供懷特一致協(xié)方差矩陣估計(jì)量（WhiteHeteroskedasticity-ConsistenceCovarianceMatrixEstimator），這種方法提供大樣本情形下回歸標(biāo)準(zhǔn)差和回歸系數(shù)的一致估計(jì)量，可以進(jìn)行t檢驗(yàn)和F檢驗(yàn)。例題：p236異方差性的處理懷特一致協(xié)方差矩陣估計(jì)49異方差性的處理例題4.6：懷特一致協(xié)方差矩陣估計(jì)1998年中國各省市城鎮(zhèn)居民人均可支配收入與通訊交通支出異方差性的處理例題4.6：懷特一致協(xié)方差矩陣估計(jì)50什么是序列相關(guān)序列相關(guān)的影響序列相關(guān)的診斷序列相關(guān)的處理四、序列相關(guān)什么是序列相關(guān)四、序列相關(guān)什么是序列相關(guān)序列相關(guān)（serialcorrelation）：回歸模型的誤差項(xiàng)之間不完全獨(dú)立，存在一定程度的相關(guān)。也稱自相關(guān)（autocorrelation）序列相關(guān)經(jīng)常出現(xiàn)在時(shí)間序列數(shù)據(jù)中，但在橫截面數(shù)據(jù)中也會(huì)出現(xiàn)什么是序列相關(guān)序列相關(guān)（serialcorrelation52什么是序列相關(guān)序列相關(guān)圖示tut無序列相關(guān)什么是序列相關(guān)序列相關(guān)圖示tut無序列相關(guān)53什么是序列相關(guān)序列相關(guān)圖示Tutut-1utTututut-1正相關(guān)負(fù)相關(guān)什么是序列相關(guān)序列相關(guān)圖示Tutut-1utTututut-54什么是序列相關(guān)產(chǎn)生序列相關(guān)的原因原因?qū)嵗龖T性或滯后經(jīng)濟(jì)周期;消費(fèi)慣性有重要的解釋變量未被包含在回歸模型中在研究總量生產(chǎn)函數(shù)時(shí),沒有考慮政策的影響,而政策對(duì)總產(chǎn)量的影響在每一期都可能是正的或負(fù)的什么是序列相關(guān)產(chǎn)生序列相關(guān)的原因原因?qū)嵗龖T性或滯后經(jīng)濟(jì)周期;55序列相關(guān)的影響回歸系數(shù)的OLS估計(jì)量雖然是無偏的、一致的，但不再是有效的回歸系數(shù)OLS估計(jì)量的方差估計(jì)不再是無偏的，一般而言會(huì)低估實(shí)際的方差，從而使得系數(shù)的顯著性檢驗(yàn)容易被通過，而實(shí)際上該系數(shù)是不顯著的t檢驗(yàn)和F檢驗(yàn)是不準(zhǔn)確的序列相關(guān)的影響回歸系數(shù)的OLS估計(jì)量雖然是無偏的、一致的，但56序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響：圖示總體回歸曲線樣本回歸曲線XtYt序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響：圖示總體回歸曲線樣本57序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（1）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（1）58序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（2）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（2）59序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（3）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（3）60序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（4）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（4）61序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（5）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（5）62序列相關(guān)的診斷圖解法：在無序列相關(guān)的假定下作回歸分析，然后用殘差項(xiàng)與時(shí)間變量做散點(diǎn)圖，或者用本期的殘差與上一期的殘差做散點(diǎn)圖（p248）游程檢驗(yàn)（runstest，p249-250）德賓-沃森檢驗(yàn)序列相關(guān)的診斷圖解法：在無序列相關(guān)的假定下作回歸分析，然后用63序列相關(guān)的診斷例題4.7：圖解法1968-1987年美國居民對(duì)進(jìn)口商品的消費(fèi)支出與可支配收入的關(guān)系（數(shù)據(jù)在p116）序列相關(guān)的診斷例題4.7：圖解法64序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsontest）序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsont65序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsontest）序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsont66序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsontest）根據(jù)OLS估計(jì)的殘差計(jì)算出來的d統(tǒng)計(jì)量服從特定的分布，可根據(jù)樣本容量n和解釋變量數(shù)目k查表并判斷是否存在序列相關(guān)d的值域序列相關(guān)性(0,dL)正的序列相關(guān)[dL,dU]無法判定(dU,4-dU)無序列相關(guān)[4-dU,4-dL]無法判定(4-dU,4)負(fù)的序列相關(guān)序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsont67序列相關(guān)的診斷德賓-沃森檢驗(yàn)的步驟對(duì)原方程進(jìn)行OLS估計(jì)得到殘差根據(jù)d統(tǒng)計(jì)量的公式計(jì)算d值根據(jù)樣本容量和解釋變量數(shù)目查找d的下臨界值和上臨界值根據(jù)決策規(guī)則判定是否存在一階自相關(guān)統(tǒng)計(jì)軟件會(huì)自動(dòng)計(jì)算d值，因此我們需要做的僅是后兩步序列相關(guān)的診斷德賓-沃森檢驗(yàn)的步驟68序列相關(guān)的診斷例題4.7：德賓-沃森檢驗(yàn)進(jìn)口商品消費(fèi)支出（IMPORT）與可支配收入（PDI）例題：p252-253序列相關(guān)的診斷例題4.7：德賓-沃森檢驗(yàn)例題：p252-2569序列相關(guān)的診斷德賓-沃森檢驗(yàn)的適用條件回歸模型中有常數(shù)項(xiàng)誤差項(xiàng)為一階自相關(guān)不含有因變量的滯后項(xiàng)（不是自回歸模型）序列相關(guān)的診斷德賓-沃森檢驗(yàn)的適用條件70序列相關(guān)的診斷包含滯后變量（自回歸模型）的序列相關(guān)診斷對(duì)于此類模型，DW檢驗(yàn)是無效的，為此，Durbin提出可以計(jì)算h統(tǒng)計(jì)量來進(jìn)行序列相關(guān)診斷（平狄克、魯賓費(fèi)爾德，1998）序列相關(guān)的診斷包含滯后變量（自回歸模型）的序列相關(guān)診斷71序列相關(guān)的處理出現(xiàn)序列相關(guān)的原因有很多，我們僅僅考慮最簡單的情況，即存在一階自相關(guān)時(shí)對(duì)于序列相關(guān)問題的處理序列相關(guān)的處理出現(xiàn)序列相關(guān)的原因有很多，我們僅僅考慮最簡單的72序列相關(guān)的處理基本思想序列相關(guān)的處理基本思想73序列相關(guān)的處理一階差分法注意：使用一階差分法時(shí)不含截距項(xiàng)序列相關(guān)的處理一階差分法注意：使用一階差分法時(shí)不含截距項(xiàng)74序列相關(guān)的處理例題4.7：一階差分法序列相關(guān)的處理例題4.7：一階差分法75序列相關(guān)的處理根據(jù)d統(tǒng)計(jì)量估計(jì)自相關(guān)系數(shù)序列相關(guān)的處理根據(jù)d統(tǒng)計(jì)量估計(jì)自相關(guān)系數(shù)76序列相關(guān)的處理例題4.7：根據(jù)d統(tǒng)計(jì)量估計(jì)自相關(guān)系數(shù)序列相關(guān)的處理例題4.7：根據(jù)d統(tǒng)計(jì)量估計(jì)自相關(guān)系數(shù)77序列相關(guān)的處理根據(jù)OLS估計(jì)的殘差估計(jì)自相關(guān)系數(shù)序列相關(guān)的處理根據(jù)OLS估計(jì)的殘差估計(jì)自相關(guān)系數(shù)78序列相關(guān)的處理例題4.7：根據(jù)OLS估計(jì)的殘差估計(jì)自相關(guān)系數(shù)序列相關(guān)的處理例題4.7：根據(jù)OLS估計(jì)的殘差估計(jì)自相關(guān)系數(shù)79什么是設(shè)定誤差設(shè)定誤差的影響設(shè)定誤差的診斷和處理測量誤差五、設(shè)定誤差什么是設(shè)定誤差五、設(shè)定誤差什么是設(shè)定誤差經(jīng)典正態(tài)線性模型假定模型的設(shè)定是正確的，但一般情況下我們建立的模型很可能是不正確的，這種情況稱為設(shè)定誤差（specificationerror）好模型的標(biāo)準(zhǔn)節(jié)省性（parsimony）可識(shí)別性（identifiability）擬和優(yōu)度（goodnessoffit）理論一致性（theoreticalconsistency）預(yù)測能力（predictivepower）什么是設(shè)定誤差經(jīng)典正態(tài)線性模型假定模型的設(shè)定是正確的，但一般81什么是設(shè)定誤差設(shè)定誤差的類型遺漏相關(guān)變量包含無關(guān)變量采用錯(cuò)誤函數(shù)形式什么是設(shè)定誤差設(shè)定誤差的類型82什么是設(shè)定誤差例題4.8：設(shè)定誤差1968-1987年美國居民對(duì)進(jìn)口商品的消費(fèi)支出（IMPORT）與可支配收入（PDI）的關(guān)系什么是設(shè)定誤差例題4.8：設(shè)定誤差83設(shè)定誤差的影響遺漏相關(guān)變量：回歸系數(shù)的OLS估計(jì)量可能是有偏的、非一致的；系數(shù)的方差估計(jì)也是有偏的包含無關(guān)變量：回歸系數(shù)的OLS估計(jì)量是無偏的，方差估計(jì)也是無偏的，但不是最小方差，因而OLS估計(jì)量不是有效的（證明見古扎拉蒂（1995），參看例題13.3）錯(cuò)誤的函數(shù)形式：回歸系數(shù)的OLS估計(jì)量可能是有偏的（參看例題13.4）一般來說，遺漏相關(guān)變量的后果要嚴(yán)重一些，因?yàn)樗鼡p失了無偏性。特別是當(dāng)樣本比較大時(shí)，包含不相關(guān)變量帶來的自由度減少不太嚴(yán)重，因而包含不相關(guān)變量的影響要小一些設(shè)定誤差的影響遺漏相關(guān)變量：回歸系數(shù)的OLS估計(jì)量可能是有偏84設(shè)定誤差的影響遺漏相關(guān)變量的影響證明見古扎拉蒂（1995）或平狄克等（1998）例題13.1、13.2設(shè)定誤差的影響遺漏相關(guān)變量的影響85設(shè)定誤差的診斷和處理遺漏相關(guān)變量和采用錯(cuò)誤的函數(shù)形式根據(jù)設(shè)定好的模型進(jìn)行OLS估計(jì)，對(duì)結(jié)果進(jìn)行判斷殘差圖R2和調(diào)整的R2與預(yù)期相比，系數(shù)估計(jì)值的符號(hào)回歸系數(shù)的t值德賓-沃森d統(tǒng)計(jì)量如果R2較低，或者系數(shù)估計(jì)值的符號(hào)與預(yù)期相反，或者有很多t值不顯著，或者d統(tǒng)計(jì)量偏小。就有可能是因?yàn)檫z漏了某個(gè)相關(guān)變量，或者采用了錯(cuò)誤的函數(shù)形式特別是，d統(tǒng)計(jì)量偏小很可能不是因?yàn)樾蛄邢嚓P(guān)，而是因?yàn)檫z漏了某個(gè)相關(guān)變量。因此，如果加入某些變量后d統(tǒng)計(jì)量接近2，那么就應(yīng)該把這些變量包含在模型中設(shè)定誤差的診斷和處理遺漏相關(guān)變量和采用錯(cuò)誤的函數(shù)形式86設(shè)定誤差的診斷和處理例題4.9（p272）美國居民對(duì)進(jìn)口商品的消費(fèi)支出與可支配收入的關(guān)系設(shè)定誤差的診斷和處理例題4.9（p272）87設(shè)定誤差的診斷和處理包含無關(guān)變量如果不知道某個(gè)變量是否應(yīng)包含在模型中，可將該變量加入模型進(jìn)行回歸并作t檢驗(yàn)，如果不顯著，該變量很可能是多余的如果不知道某些變量是否應(yīng)包含在模型中，可將該變量加入模型進(jìn)行回歸，并對(duì)這些變量的系數(shù)做聯(lián)合F檢驗(yàn)（對(duì)于線性約束的檢驗(yàn)），如果不顯著，這些變量很可能是多余的（也可以應(yīng)用似然比檢驗(yàn)）例題13.5注意：如果根據(jù)理論分析，某些變量必須包括在模型中，那么即便這些變量的回歸系數(shù)不顯著，也應(yīng)該把他們保留在模型中設(shè)定誤差的診斷和處理包含無關(guān)變量88設(shè)定誤差的診斷和處理一般情況下設(shè)定誤差的檢驗(yàn)（RESET）回歸設(shè)定誤差檢驗(yàn)（regressionspecificationerrortest）參看古扎拉蒂（1995）、伍德里奇（2000）設(shè)定誤差的診斷和處理一般情況下設(shè)定誤差的檢驗(yàn)（RESET）89設(shè)定誤差的診斷和處理一般情況下設(shè)定誤差的檢驗(yàn)（RESET）Eviews等計(jì)量經(jīng)濟(jì)學(xué)軟件會(huì)給出每個(gè)回歸方程的RamseyRESET統(tǒng)計(jì)量，從而判斷是否存在設(shè)定誤差通過RESET可以判斷是否存在設(shè)定誤差，但無法得知正確的模型應(yīng)該如何設(shè)定設(shè)定誤差的診斷和處理一般情況下設(shè)定誤差的檢驗(yàn)（RESET）90設(shè)定誤差的診斷和處理判斷回歸模型預(yù)測效果的指標(biāo)如果要對(duì)兩個(gè)回歸模型的預(yù)測效果做出比較，不能對(duì)R2進(jìn)行比較Eviews等計(jì)量經(jīng)濟(jì)學(xué)軟件會(huì)給出每個(gè)回歸方程的AIC（Akaikeinformationcriterion）和SC（Schwarzcriterion），這兩個(gè)指標(biāo)越低的回歸方程預(yù)測效果越好設(shè)定誤差的診斷和處理判斷回歸模型預(yù)測效果的指標(biāo)91測量誤差例題4.10：測量誤差（measurementerror）測量誤差例題4.10：測量誤差（measurementer92測量誤差測量誤差的影響因變量存在測量誤差：回歸系數(shù)的OLS估計(jì)量是無偏的，方差估計(jì)也是無偏的，但OLS估計(jì)量不是有效的自變量存在測量誤差：回歸系數(shù)的OLS估計(jì)量是有偏的、非一致的測量誤差的診斷和助理診斷是否存在測量誤差需要應(yīng)用豪斯曼檢驗(yàn)（HausmanTest），對(duì)測量誤差進(jìn)行糾正則應(yīng)該使用工具變量法（參看：平狄克等，1998）測量誤差測量誤差的影響93第四講線性回歸分析的擴(kuò)展

LinearRegressionAnalysis:Extension一、引言：放寬經(jīng)典模型的假設(shè)二、多重共線性三、異方差性四、序列相關(guān)五、設(shè)定誤差第四講線性回歸分析的擴(kuò)展

LinearRegressi一、引言：放寬經(jīng)典模型的假設(shè)一、引言：放寬經(jīng)典模型的假設(shè)引言：放寬經(jīng)典模型的假設(shè)經(jīng)典正態(tài)線性回歸模型（CNLRM）的假定（一）關(guān)于模型的假定回歸模型對(duì)參數(shù)而言是線性的模型是正確設(shè)定的（二）關(guān)于解釋變量的假定解釋變量X是確定性變量若X是隨機(jī)的，則誤差項(xiàng)與X不相關(guān)解釋變量的取值有足夠變異解釋變量之間不存在完全的線性關(guān)系引言：放寬經(jīng)典模型的假設(shè)經(jīng)典正態(tài)線性回歸模型（CNLRM）的96引言：放寬經(jīng)典模型的假設(shè)經(jīng)典正態(tài)線性回歸模型（CNLRM）的假定（三）關(guān)于誤差項(xiàng)的假定對(duì)于給定的X，誤差項(xiàng)均值為0對(duì)于給定的X，誤差項(xiàng)方差相等對(duì)于給定的X，誤差項(xiàng)之間不存在序列相關(guān)誤差項(xiàng)服從正態(tài)分布引言：放寬經(jīng)典模型的假設(shè)經(jīng)典正態(tài)線性回歸模型（CNLRM）的97引言：放寬經(jīng)典模型的假設(shè)放寬的假定相應(yīng)的問題假定1、2模型設(shè)定問題假定3、4隨機(jī)解釋變量假定5過度決定（微數(shù)缺測性）假定6多重共線性假定7誤差項(xiàng)均值非零假定8異方差性假定9序列相關(guān)假定10誤差項(xiàng)非正態(tài)分布假定3和4在聯(lián)立方程模型中討論對(duì)假定5我們做簡單討論假定7影響參數(shù)估計(jì)的無偏性，暫不討論假定10對(duì)于大樣本數(shù)據(jù)不是必需的假定。本講主要考慮放寬了其余假定后面臨的問題引言：放寬經(jīng)典模型的假設(shè)放寬的假定相應(yīng)的問題假定1、2模型設(shè)98引言：放寬經(jīng)典模型的假設(shè)微數(shù)缺測性從理論上講，樣本容量n和解釋變量數(shù)目k必須滿足n>k+2，才能進(jìn)行OLS估計(jì)和假設(shè)檢驗(yàn)。但事實(shí)上，即便n滿足上述條件，但如果樣本很小，那么雖然能夠進(jìn)行估計(jì)和檢驗(yàn)，也很難通過t檢驗(yàn)。引言：放寬經(jīng)典模型的假設(shè)微數(shù)缺測性99什么是多重共線性多重共線性的影響多重共線性的診斷多重共線性的處理二、多重共線性什么是多重共線性二、多重共線性什么是多重共線性多重共線性（multicollinearity）：回歸模型中的一些或全部解釋變量之間存在一定程度的線性關(guān)系什么是多重共線性多重共線性（multicollinearit101什么是多重共線性例題4.1其他例題：p200X1

X2X3X410555267158075251895973424125129183015515289什么是多重共線性例題4.1X1X2X3X410555267102什么是多重共線性圖形表示：巴倫坦圖YX1X2YX1X2低度多重共線性高度多重共線性什么是多重共線性圖形表示：巴倫坦圖YY低度多重共線性高度多重103什么是多重共線性產(chǎn)生多重共線性的原因樣本過小模型設(shè)定有誤：添加了過多的解釋變量由于樣本過小，即便在總體中解釋變量之間沒有線性關(guān)系，也可能在獲得的樣本中觀察到較強(qiáng)的線性關(guān)系什么是多重共線性產(chǎn)生多重共線性的原因104多重共線性的影響存在完全線性關(guān)系時(shí)的OLS估計(jì)無法得到OLS估計(jì)量例題：p201-202多重共線性的影響存在完全線性關(guān)系時(shí)的OLS估計(jì)105多重共線性的影響存在多重共線性關(guān)系時(shí)的OLS估計(jì)可以證明即便存在多重共線性，OLS估計(jì)量仍然是BLUE，但系數(shù)估計(jì)量的方差較大，從而不容易通過t檢驗(yàn)，同時(shí)預(yù)測區(qū)間變寬，降低了預(yù)測精確度。例題：p202-203多重共線性的影響存在多重共線性關(guān)系時(shí)的OLS估計(jì)例題：p20106多重共線性的影響影響程度的度量：方差膨脹因子（variance-inflationfactor）多重共線性的影響影響程度的度量：方差膨脹因子（varianc107多重共線性的影響例題4.2RjVIFj0.001.00A0.501.331.33A0.905.765.76A0.9510.2610.26A0.9950.2550.25A多重共線性的影響例題4.2RjVIFj0.001.00A0.108多重共線性的診斷簡單診斷方法R2高而單個(gè)系數(shù)的t值小，換言之，F(xiàn)檢驗(yàn)顯著，但顯著的t值少任意兩個(gè)解釋變量之間的相關(guān)系數(shù)較大，比如大于0.9解釋變量之間的偏相關(guān)系數(shù)較大簡單方法一般來說不很精確多重共線性的診斷簡單診斷方法109多重共線性的診斷運(yùn)用回歸分析進(jìn)行診斷逐步分析法：先引入經(jīng)濟(jì)意義明顯，并且在統(tǒng)計(jì)上最顯著的解釋變量，然后逐步引入其他解釋變量。如果新引入的解釋變量使原有解釋變量的系數(shù)估計(jì)值發(fā)生明顯變化，或t統(tǒng)計(jì)量明顯變小，則說明新引入的解釋變量與原有解釋變量之間存在多重共線性，可以去掉新引入的解釋變量輔助回歸法：做每一個(gè)解釋變量對(duì)其余解釋變量的回歸，得出相應(yīng)的F統(tǒng)計(jì)值，如果在給定的顯著性水平下F統(tǒng)計(jì)值是顯著的，說明該解釋變量與其他解釋變量之間存在線性關(guān)系，可以去掉該解釋變量（p207，p211）多重共線性的診斷運(yùn)用回歸分析進(jìn)行診斷110多重共線性的診斷運(yùn)用一些指標(biāo)進(jìn)行診斷方差膨脹因子：計(jì)算每個(gè)解釋變量的方差膨脹因子VIF，一般認(rèn)為如果VIF大于10，說明該變量與其他變量存在高度共線性容許度（tolerance）：定義容許度TOL如下，一般認(rèn)為如果TOL小于0.1，說明該變量與其他變量存在高度共線性條件指數(shù)（conditionindex,CI）：一般認(rèn)為，如果條件指數(shù)在10到30之間，存在較強(qiáng)的多重共線性，如果大于30，則存在嚴(yán)重的多重共線性多重共線性的診斷運(yùn)用一些指標(biāo)進(jìn)行診斷111多重共線性的診斷例題4.3（p218）YConsumptionX1IncomeX2Wealth7080810651001009901201273951401425110160163311518018761202002052140220220115524024351502602686例題：p209-211多重共線性的診斷例題4.3（p218）YX1X270808112多重共線性的診斷幾點(diǎn)說明多重共線性是一個(gè)程度問題而不是存在與否的問題多重共線性是關(guān)于樣本的一種特征如果研究是為了估計(jì)斜率系數(shù)和預(yù)測，多重共線性不是一個(gè)嚴(yán)重的問題；但如果研究的主要目的是假設(shè)檢驗(yàn)，則高度多重共線性的危害就很大多重共線性的診斷幾點(diǎn)說明113多重共線性的處理剔除共線性變量中不太重要的解釋變量補(bǔ)充新數(shù)據(jù)重新設(shè)定模型練習(xí)題：p216-217，習(xí)題10.14-10.19多重共線性的處理剔除共線性變量中不太重要的解釋變量114什么是異方差性異方差性的影響異方差性的診斷異方差性的處理三、異方差性什么是異方差性三、異方差性什么是異方差性異方差性（heteroscedasticity）：回歸模型誤差項(xiàng)的方差不相同同方差性（homoscedasticity）：回歸模型誤差項(xiàng)的方差不相同什么是異方差性異方差性（heteroscedasticity116什么是異方差性同方差性XY概率密度X：受教育年限Y：工資什么是異方差性同方差性XY概率密度X：受教育年限117什么是異方差性異方差性XY概率密度X：收入Y：消費(fèi)支出什么是異方差性異方差性XY概率密度X：收入118什么是異方差性異方差性XY概率密度X：時(shí)間Y：打字錯(cuò)誤例題：p220-224什么是異方差性異方差性XY概率密度X：時(shí)間例題：p220-2119什么是異方差性產(chǎn)生異方差性的原因原因解釋變量：收入被解釋變量：消費(fèi)支出解釋變量與誤差項(xiàng)相關(guān)隨著收入的增加，支出差異性更大有重要的解釋變量未被包含在回歸模型中物價(jià)也是影響支出的因素，物價(jià)上漲時(shí)，高收入者有可能拿出更多的錢來消費(fèi)，因而支出差異性更大異常值（outliers）什么是異方差性產(chǎn)生異方差性的原因原因解釋變量：收入解釋變量與120異方差性的影響回歸系數(shù)的OLS估計(jì)量雖然是無偏的、一致的，但不再是有效的回歸標(biāo)準(zhǔn)差的估計(jì)不再是無偏的回歸系數(shù)OLS估計(jì)量的方差估計(jì)不再是無偏的，因而t統(tǒng)計(jì)量不再服從t分布，F(xiàn)統(tǒng)計(jì)量不再服從F分布，從而無法進(jìn)行區(qū)間估計(jì)和假設(shè)檢驗(yàn)無法根據(jù)回歸結(jié)果進(jìn)行預(yù)測異方差性的影響回歸系數(shù)的OLS估計(jì)量雖然是無偏的、一致的，但121異方差性的診斷圖解法布羅施-培甘檢驗(yàn)（Breusch-Pagantest）懷特檢驗(yàn)（Whitetest）帕克檢驗(yàn)（Parktest）Glesjertest戈德菲爾德-匡特檢驗(yàn)（Goldfeld-Quandttest）異方差性的診斷圖解法122異方差性的診斷圖解法在同方差假定下作回歸分析，用殘差項(xiàng)平方與解釋變量做散點(diǎn)圖X異方差性的診斷圖解法X123異方差性的診斷圖解法：簡便處理用殘差項(xiàng)平方與因變量擬合值做散點(diǎn)圖異方差性的診斷圖解法：簡便處理124異方差性的診斷例題4.4（p222）1988年美國公司銷售額與研發(fā)支出的關(guān)系異方差性的診斷例題4.4（p222）125異方差性的診斷例題4.4異方差性的診斷例題4.4126異方差性的診斷布勞殊-培干檢驗(yàn)（Breusch-Pagantest）異方差性的診斷布勞殊-培干檢驗(yàn)（Breusch-Pagan127異方差性的診斷例題4.4：BPTest異方差性的診斷例題4.4：BPTest128異方差性的診斷懷特檢驗(yàn)（Whitetest）異方差性的診斷懷特檢驗(yàn)（Whitetest）129異方差性的診斷懷特檢驗(yàn)的特例異方差性的診斷懷特檢驗(yàn)的特例130異方差性的診斷例題4.4：WhiteTest異方差性的診斷例題4.4：WhiteTest131異方差性的診斷在EViews等計(jì)量經(jīng)濟(jì)學(xué)軟件中，直接提供White異方差檢驗(yàn)的結(jié)果，不需要手工計(jì)算。異方差性的診斷在EViews等計(jì)量經(jīng)濟(jì)學(xué)軟件中，直接提供Wh132異方差性的處理加權(quán)最小二乘法（WeightedLeastSquare，WLS）WLS是廣義最小二乘估計(jì)（GeneralizeLeastSquare,GLS）方法中的一種通過WLS可以得到BLUE重新設(shè)定模型懷特一致協(xié)方差矩陣估計(jì)（WhiteHeteroskedasticity-ConsistenceCovarianceMatrixEstimation）得到無偏一致估計(jì)量（在大樣本情形下適用）異方差性的處理加權(quán)最小二乘法（WeightedLeast133異方差性的處理加權(quán)最小二乘估計(jì)：誤差項(xiàng)方差已知異方差性的處理加權(quán)最小二乘估計(jì)：誤差項(xiàng)方差已知134異方差性的處理加權(quán)最小二乘估計(jì)：誤差項(xiàng)方差未知異方差性的處理加權(quán)最小二乘估計(jì)：誤差項(xiàng)方差未知135異方差性的處理例題4.4：加權(quán)最小二乘估計(jì)（p233）1988年美國公司銷售額與研發(fā)支出的關(guān)系異方差性的處理例題4.4：加權(quán)最小二乘估計(jì)（p233）136異方差性的處理可行的廣義最小二乘估計(jì)在一般情況下，我們并不知道異方差的具體形式，需要對(duì)異方差的函數(shù)形式做出估計(jì)，然后再進(jìn)行加權(quán)最小二乘估計(jì)，這種方法屬于可行的廣義最小二乘估計(jì)（FeasibleGeneralizedLeastSquare,FGLS）（伍德里奇，2000；趙國慶，2001）異方差性的處理可行的廣義最小二乘估計(jì)137異方差性的處理可行的廣義最小二乘估計(jì)異方差性的處理可行的廣義最小二乘估計(jì)138異方差性的處理例題4.51996年中國各省市城鎮(zhèn)居民人均收入與人均消費(fèi)的關(guān)系異方差性的處理例題4.5139異方差性的處理重新設(shè)定模型例題：p235異方差性的處理重新設(shè)定模型例題：p235140異方差性的處理例題4.51996年中國各省市城鎮(zhèn)居民人均收入與人均消費(fèi)的關(guān)系異方差性的處理例題4.5141異方差性的處理懷特一致協(xié)方差矩陣估計(jì)如果存在異方差，則對(duì)于通過OLS得到的估計(jì)量不能進(jìn)行t檢驗(yàn)和F檢驗(yàn)。EViews等軟件提供懷特一致協(xié)方差矩陣估計(jì)量（WhiteHeteroskedasticity-ConsistenceCovarianceMatrixEstimator），這種方法提供大樣本情形下回歸標(biāo)準(zhǔn)差和回歸系數(shù)的一致估計(jì)量，可以進(jìn)行t檢驗(yàn)和F檢驗(yàn)。例題：p236異方差性的處理懷特一致協(xié)方差矩陣估計(jì)142異方差性的處理例題4.6：懷特一致協(xié)方差矩陣估計(jì)1998年中國各省市城鎮(zhèn)居民人均可支配收入與通訊交通支出異方差性的處理例題4.6：懷特一致協(xié)方差矩陣估計(jì)143什么是序列相關(guān)序列相關(guān)的影響序列相關(guān)的診斷序列相關(guān)的處理四、序列相關(guān)什么是序列相關(guān)四、序列相關(guān)什么是序列相關(guān)序列相關(guān)（serialcorrelation）：回歸模型的誤差項(xiàng)之間不完全獨(dú)立，存在一定程度的相關(guān)。也稱自相關(guān)（autocorrelation）序列相關(guān)經(jīng)常出現(xiàn)在時(shí)間序列數(shù)據(jù)中，但在橫截面數(shù)據(jù)中也會(huì)出現(xiàn)什么是序列相關(guān)序列相關(guān)（serialcorrelation145什么是序列相關(guān)序列相關(guān)圖示tut無序列相關(guān)什么是序列相關(guān)序列相關(guān)圖示tut無序列相關(guān)146什么是序列相關(guān)序列相關(guān)圖示Tutut-1utTututut-1正相關(guān)負(fù)相關(guān)什么是序列相關(guān)序列相關(guān)圖示Tutut-1utTututut-147什么是序列相關(guān)產(chǎn)生序列相關(guān)的原因原因?qū)嵗龖T性或滯后經(jīng)濟(jì)周期;消費(fèi)慣性有重要的解釋變量未被包含在回歸模型中在研究總量生產(chǎn)函數(shù)時(shí),沒有考慮政策的影響,而政策對(duì)總產(chǎn)量的影響在每一期都可能是正的或負(fù)的什么是序列相關(guān)產(chǎn)生序列相關(guān)的原因原因?qū)嵗龖T性或滯后經(jīng)濟(jì)周期;148序列相關(guān)的影響回歸系數(shù)的OLS估計(jì)量雖然是無偏的、一致的，但不再是有效的回歸系數(shù)OLS估計(jì)量的方差估計(jì)不再是無偏的，一般而言會(huì)低估實(shí)際的方差，從而使得系數(shù)的顯著性檢驗(yàn)容易被通過，而實(shí)際上該系數(shù)是不顯著的t檢驗(yàn)和F檢驗(yàn)是不準(zhǔn)確的序列相關(guān)的影響回歸系數(shù)的OLS估計(jì)量雖然是無偏的、一致的，但149序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響：圖示總體回歸曲線樣本回歸曲線XtYt序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響：圖示總體回歸曲線樣本150序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（1）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（1）151序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（2）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（2）152序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（3）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（3）153序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（4）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（4）154序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（5）序列相關(guān)的影響序列相關(guān)對(duì)方差估計(jì)的影響（5）155序列相關(guān)的診斷圖解法：在無序列相關(guān)的假定下作回歸分析，然后用殘差項(xiàng)與時(shí)間變量做散點(diǎn)圖，或者用本期的殘差與上一期的殘差做散點(diǎn)圖（p248）游程檢驗(yàn)（runstest，p249-250）德賓-沃森檢驗(yàn)序列相關(guān)的診斷圖解法：在無序列相關(guān)的假定下作回歸分析，然后用156序列相關(guān)的診斷例題4.7：圖解法1968-1987年美國居民對(duì)進(jìn)口商品的消費(fèi)支出與可支配收入的關(guān)系（數(shù)據(jù)在p116）序列相關(guān)的診斷例題4.7：圖解法157序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsontest）序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsont158序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsontest）序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsont159序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsontest）根據(jù)OLS估計(jì)的殘差計(jì)算出來的d統(tǒng)計(jì)量服從特定的分布，可根據(jù)樣本容量n和解釋變量數(shù)目k查表并判斷是否存在序列相關(guān)d的值域序列相關(guān)性(0,dL)正的序列相關(guān)[dL,dU]無法判定(dU,4-dU)無序列相關(guān)[4-dU,4-dL]無法判定(4-dU,4)負(fù)的序列相關(guān)序列相關(guān)的診斷德賓-沃森檢驗(yàn)（Durbin-Watsont160序列相關(guān)的診斷德賓-沃森檢驗(yàn)的步驟對(duì)原方程進(jìn)行OLS估計(jì)得到殘差根據(jù)d統(tǒng)計(jì)量的公式計(jì)算d值根據(jù)樣本容量和解釋變量數(shù)目查找d的下臨界值和上臨界值根據(jù)決策規(guī)則判定是否存在一階自相關(guān)統(tǒng)計(jì)軟件會(huì)自動(dòng)計(jì)算d值，因此我們需要做的僅是后兩步序列相關(guān)的診斷德賓-沃森檢驗(yàn)的步驟161序列相關(guān)的診斷例題4.7：德賓-沃森檢驗(yàn)進(jìn)口商品消費(fèi)支出（IMPORT）與可支配收入（PDI）例題：p252-253序列相關(guān)的診斷例題4.7：德賓-沃森檢驗(yàn)例題：p252-25162序列相關(guān)的診斷德賓-沃森檢驗(yàn)的適用條件回歸模型中有常數(shù)項(xiàng)誤差項(xiàng)為一階自相關(guān)不含有因變量的滯后項(xiàng)（不是自回歸模型）序列相關(guān)的診斷德賓-沃森檢驗(yàn)的適用條件163序列相關(guān)的診斷包含滯后變量（自回歸模型）的序列相關(guān)診斷對(duì)于此類模型，DW檢驗(yàn)是無效的，為此，Durbin提出可以計(jì)算h統(tǒng)計(jì)量來進(jìn)行序列相關(guān)診斷（平狄克、魯賓費(fèi)爾德，1998）序列相關(guān)的診斷包含滯后變量（自回歸模型）的序列相關(guān)診斷164序列相關(guān)的處理出現(xiàn)序列相關(guān)的原因有很多，我們僅僅考慮最簡單的情況，即存在一階自相關(guān)時(shí)對(duì)于序列相關(guān)問題的處理序列相關(guān)的處理出現(xiàn)序列相關(guān)的原因有很多，我們僅僅考慮最簡單的165序列相關(guān)的處理基本思想序列相關(guān)的處理基本思想166序列相關(guān)的處理一階差分法注意：使用一階差分法時(shí)不含截距項(xiàng)序列相關(guān)的處理一階差分法注意：使用一階差分法時(shí)不含截距項(xiàng)167序列相關(guān)的處理例題4.7：一階差分法序列相關(guān)的處理例題4.7：一階差分法168序列相關(guān)的處理根據(jù)d統(tǒng)計(jì)量估計(jì)自相關(guān)系數(shù)序列相關(guān)的處理根據(jù)d統(tǒng)計(jì)量估計(jì)自相關(guān)系數(shù)169序列相關(guān)的處理例題4.7：根據(jù)d統(tǒng)計(jì)量估計(jì)自相關(guān)系數(shù)序列相關(guān)的處理例題4.7：根據(jù)d統(tǒng)計(jì)量估計(jì)自相關(guān)系數(shù)170序列相關(guān)的處理根據(jù)OLS估計(jì)的殘差估計(jì)自相關(guān)系數(shù)序列相關(guān)的處理根據(jù)OLS估計(jì)的殘差估計(jì)自相關(guān)系數(shù)171序列相關(guān)的處理例題4.7：根據(jù)OLS估計(jì)的殘差估計(jì)自相關(guān)系數(shù)序列相關(guān)的處理例題4.7：根據(jù)OLS估計(jì)的殘差估計(jì)自相關(guān)系數(shù)172什么是設(shè)定誤差設(shè)定誤差的影響設(shè)定誤差的診斷和處理測量誤差五、設(shè)定誤差什么是設(shè)定誤差五、設(shè)定誤差什么是設(shè)