计量经济学模型放宽(fànɡkuān)基本假定的问题第一节异方差(fānɡchà)对于(duìyú)模型一般(yībān)情况下:。二、异方差的来源(láiyuán)与后果2025/3/62025/3/6例2，以绝对收入假设(jiǎshè)为理论假设(jiǎshè)、以截面数据为样本建立居民消费函数：Ci=0+1Yi+I例3以某一行业(hángyè)的企业为样本建立企业生产函数模型Yi=Ai1Ki2Li3ei异方差(fānɡchà)的后果2025/3/62025/3/62、变量(biànliàng)的显著性检验失去意义3、模型(móxíng)的预测失效三、异方差(fānɡchà)检验问题在于用什么来表示随机误差项的方差一般(yībān)的处理方法是:几种(jǐzhǒnɡ)异方差的检验方法：使用(shǐyòng)X—e的散点图看是否形成一斜率为零的直线2、戈德菲尔德-匡特(Goldfeld-Quandt)检验(jiǎnyàn)2025/3/6G-Q检验(jiǎnyàn)的步骤：④在同方差性假定下，构造(gòuzào)如下满足F分布的统计量3、怀特（White）检验(jiǎnyàn)注意(zhùyì)：四、异方差(fānɡchà)的修正例如，如果对一多元模型(móxíng)，经检验知：一般(yībān)情况下:W是一对称正定(zhènɡdìnɡ)矩阵，存在一可逆矩阵D使得W=DD’这就是(jiùshì)原模型Y=X+u的加权最小二乘估计量，是无偏、有效的估计量。如何(rúhé)得到2W？注意(zhùyì)：2.仍采用(cǎiyòng)OLS法估计系数，但采用(cǎiyòng)OLS估计量标准误差的异方差性一致估计值代替其OLS估计值怀特（H.White）提出的产生OLS估计量的异方差性一致标准误差的方法，为解决异方差性问题提供了另一种途径。怀特的贡献是解决了异方差性造成系数的置信区间和假设检验结果不可信赖的问题，该后果是由于方差的OLS估计量不再是无偏估计量而造成的。..这类估计量的性质不是“最好”，但它们对于某些假设条件(tiáojiàn)（在这里是同方差性）的违背不敏感，这类的估计量称为稳健估计量（robustestimators）。与我们前面介绍的FGLS法相比，本段介绍的解决异方差性的方法的优越之处在于，不需要知道异方差性的具体形式。因此，在异方差性的基本结构未知的情况下，建议仍采用OLS法估计系数，而采用其方差的稳健估计量，如怀特的异方差性一致估计量。五、案例(ànlì)分析2025/3/6图形(túxíng)检验2025/3/6进一步的统计(tǒngjì)检验计算(jìsuàn)F统计量：F=RSS2/RSS1=958109.4/150867.9=6.35（2）怀特检验(jiǎnyàn)2025/3/6应用(yìngyòng)加权最小二乘法2025/3/6怀特的异方差(fānɡchà)性一致估计量/第二节自相关(xiāngguān)一、自相关概念(gàiniàn)二、自相关的后果三、自相关的检验四、具有自相关模型的估计五、案例一、非自相关(xiāngguān)假定或称为(chēnɡwéi)一阶列相关，或自相关（autocorrelation）二、自相关(xiāngguān)的来源与后果/2、模型(móxíng)设定的偏误但建模时设立了如下模型：Yt=0+1Xt+vt因此，由于vt=2Xt2+ut,，包含了产出的平方对随机(suíjī)项的系统性影响，随机(suíjī)项也呈现序列相关性。3、数据(shùjù)的“编造”计量经济学模型一旦出现序列相关性，如果仍采用OLS法估计模型参数，会产生(chǎnshēng)下列不良后果：2、变量的显著性检验(jiǎnyàn)失去意义3、模型(móxíng)的预测失效三、自相关(xiāngguān)检验然后，通过分析这些“近似估计量”之间的相关性，以判断(pànduàn)随机误差项是否具有序列相关性。1、图示法2、杜宾-瓦森（Durbin-Watson）检验法D.W检验(jiǎnyàn)步骤:当D.W.值在2左右时，模型(móxíng)不存在一阶自相关。如果存在(cúnzài)完全一阶正相关，即=1，则D.W.0完全一阶负相关，即=-1,则D.W.4完全不相关，即=0，则D.W.2//3、拉格朗日乘数(chénɡshù)（Lagrangemultiplier）检验GB检验(jiǎnyàn)可用来检验(jiǎnyàn)如下受约束回归方程//如果模型被检验证明存在序列相关性，则需要(xūyào)发展新的方法估计模型。1、广义(guǎngyì)最小二乘法：、可以采取(cǎiqǔ)普通最小二乘法估计2.一阶差分法如果模型(