金融计量学之非典型回归模型及其应用(ppt 52页)

金融计量学之非典型回归模型及其应用目录：
第一节、普通最小二乘假设的违背
第二节、广义矩模型
第三节、面板数据（panel、data）模型
第四节、离散因变量模型应用

 

金融计量学之非典型回归模型及其应用内容提要：
普通最小二乘假设的违背：
如前所述，最小二乘回归具有一系列前提假设。判断是否满足最小二乘回归的假设是最重要的。在此，我们特别需要检验：
（1）异方差性——导致不满足残差具有不变方差的假设；
（2）自相关——导致不满足残差之间相互独立的假设；
（3）多重共线性——导致不满足自变量之间不相关的假设。
在本节中，我们重点对违背最小二乘回归假设的这三种情况进行分析。
多重共线性问题提出
在现实经济中，当我们构建多元线性回归模型时，不可避免的引入两个或两个以上变量，而这些变量之间或多或少的存在相互关联。当这些解释变量之间高度相关甚至完全线性相关时，就会出现所谓的多重共线性问题。
多重共线性是包括完全多重共线性（Perfect multicollinearity）和近似多重共(near multicollinearity）。完全多重共线性是指若干解释变量或全部解释变量之间存在着严格的共线性关系。
普通最小二乘假设的违背：
多重共线性产生的原因主要有以下几个方面：
一是经济变量之间的内在联系。很多经济变量之间存在着因果关系，或是共同受其它因素的影响，比如说，收入消费等宏观经济指标在经济繁荣时都趋向增长，而在经济衰退时在有所衰减，在长期内变化存在一致性。所以多重共线性是计量经济模型中常见的问题，只是影响程度强弱有所不同。二是数据的收集和计算方法。比如说，抽样限于总体中多个回归元取值的一个有限制的范围内。三是模型设定偏差。比如说，在解释变量的范围很小情况下，在回归方程中添加多项式。

..............................