扩展的计量经济模型

第四章扩展的计量经济模型前面讲述的都是满足基本假设是，线性回归模型的参数估计量具有很好的BLUE性质。但是，实际应用建模过程中，完全满足这些条件的样本数据和模型都不多见。不满足的情况大致如下：1.异方差性；随机误差项不满足同方差性。2.序列相关性；随机误差项不满足无序列相关性。3.多重共线性；解释变量之间不满足无相关性。4.解释变量是随机变量，且与随机误差项相关。S4.1

异方差性称出现了异方差性（Heteroskedasticity）。02460102030YX样本数据同方差情形单调递增型

异方差010020030005000100001500020000XY单调递减型异方差0501001502002500102030YX复杂型异方差

-8-6-4-20246200400600800100012001400DJPYS4.1.1异方差性产生的原因1.模型中遗漏了某些解释变量。2.模型函数形式的设定误差。3.样本数据的测量误差。4.随机因素的影响。因此，经济分析中经常会遇到异方差性问题，并且利用横截面数据比利用时间序列数据更容易产生异方差性。绝对严格的同方差性是不可能的，异方差性可以说是一种普遍存在的现象。S4.1.2异方差性的影响1.模型参数估计量仍然具有无偏性，但不再具有有效性。2.模型变量的显著性检验不再有意义（失效）。3.模型预测功能失效。所以，在存在异方差性的情况下，原有的利用最小二乘方法得到的参数估计会导致以上严重后果。不能再用OLS了。S4.1.3异方差性的检验异方差性的检验原理：因为对不同的样本点（样品），随机误差项有不同的方差，即对不同的样本数据，随机误差项有不同的方差。

也就是说，对不同的解释变量观测值，随机误差项有不同的方差。可以认为随机误差项的方差与解释变量之间有依赖关系。研究中用函数来描述这种关系如下：异方差性的检验方法很多,但其思路都是按这个来的.实际问题处理当中,一般是先利用OLS

将各个近似残差(非严格的说法)求出来,再用作为方差的值.以下介绍几种异方差性检验方法：1.图示检验法有两种画图方法:观察方法见课本97页上.2.帕克(Park)检验与格里瑟(Gleiser)检验.如果参数估计值显著不为零,则存在异方差性,否则不存在异方差性.3.G-Q(Goldfeld-Quandt)[戈德菲尔德-匡特]

检验G-Q检验比帕克检验与格里瑟检验更好用,它以检验为基础,对于单调型的异方差问题尤其敏感.并且可以判定如果存在异方差问题,异方差类型是单调递增还是单调递减的.原理:类似于方差分析,见课本98页上.见图示单调递增型

异方差010020030005000100001500020000XY应剔除这8项以上28组数据是按从小到大排列：对（第一个样本）前10项作OLS估计求得对（第二个样本）后10项作OLS估计求得6.怀特(White)检验该方法不需要任何关于异方差的任何先验知识,不管是不是单调的,只要求在大样本条件下即可(n较大).S4.1.1异方差性的解决方法1.模型变换法。这种方法就是加权最小二乘估计(WLS)。