第四章分析方法扩展上.ppt

线性回归的问题和分析方法扩展（上） 误差项均值非零 异方差 误差序列相关 误差项均值非零 误差项均值非零 如果误差项均值为零假设不成立，必然严重影响线性回归分析的作用和价值，不能保证回归分析的有效性和可靠性，我们称这种偏差为一种“系统性偏差” 事实上有多种情况导致线性回归模型，存在误差项均值非零的问题，包括异常值、规律性扰动、解释变量缺落、参数变化和变量关系非线性等 异常值问题 异常值的发现与判断 基本分析：分析经济问题的相关背景情况，包括对经济现象、相关社会经济事件，以及数据序列的直接分析 技术分析：从技术角度发现的判断异常值问题的基本方法，是进行“回归残差序列分析”，先用最小二乘估计对模型进行回归分析，根据回归结果计算出回归残差序列，然后根据回归残差序列中各残差或者它们的综合指标所反映的情况，判断模型是否存在异常值问题 如果某个残差与标准差之比的绝对值大于2（或3），就应该怀疑模型在时点i处存在异常值问题 异常值的发现与判断 异常值的处理 规律性扰动 规律性扰动 解决规律性扰动引起误差项均值非零 ，方法之一是通过统计平滑处理，消除掉季节性或其他时间周期性扰动的影响，通过这种基本趋势作出可行的研究 平滑处理存在问题，一是不能区别趋势因素和季节性扰动，不能真正确定所研究变量的具体变化轨迹；二是容易导致误差项的“误差序列相关”问题 规律性扰动 解释变量缺落 参数改变 解释变量缺落与参数改变的处理 变量关系非线性 异方差 残差序列图分析 戈德非尔德-夸特检验 戈德非尔德-夸特检验 戈里瑟检验 戈里瑟检验 其他检验方法 异方差的克服与处理 加权最小二乘估计 误差项序列相关 误差项序列相关 残差序列相关性分析 误差序列相关残差分布图 杜宾-瓦森（DW）检验 杜宾-瓦森（DW）检验 杜宾-瓦森（DW）检验 事实上DW的精确分布也不清楚且分布情况与解释变量取值有关，但杜宾和瓦森证明对于解释变量的任意情况，DW统计量的一个上限和一个下限，在一定条件下它们服从β分布 根据DW统计量的分布性质，计算出对应显著水平α=0.05和α=0.01判断误差项存在一阶自相关性的上下限临界值表，作为检验误差项序列相关性的基本工具 DW方法简单易行，但只适用于一阶自回归性的检验，而且在样本数较小或解释变量数量较大时不适用，当解释变量有随机性时也不适用，存在无法作出判断的DW值区间 杜宾-瓦森（DW）检验 一阶差分法 广义差分法 柯克兰-奥恰特迭代法 杜宾两步法 广义最小二乘法 广义最小二乘法 * * * * *