1、异方差性:对于不一样的样本点,随机干扰项的方差不再是常数,而是互不相似,则认为出现了异方差性
类型:单调递增型,单调递减型,复杂型
原因:⑴ 模型中遗漏了随时间变化影响逐渐增大的原因
(即测量误差变化)⑵ 模型函数形式设定误差
⑶ 随机原因的影响
(即截面数据中总体各单位的差异) 后果:1.参数估计量非有效 2
变量的明显性检查失去意义 3
模型的预测失效 检查:图示检查法,戈德菲尔德-匡特检查,怀特检查,帕克检查和戈里瑟检查 处理:变异方差为同方差,或尽量缓和方差变异的程度
(加权最小二乘法(WLS),异方差稳健原则误法)2、序列有关性:假如模型的随机干扰项违反了互相独立的基本假设,则称为存在
原因:经济数据序列惯性;模型设定的偏误;滞后效应;蛛网现象;数据的编造 后果:1.参数估计量非有效;2
变量的明显性检查失去意义;3
模型的预测失效 检查措施:图示法;回归检查法;D
检查法;拉格朗日乘数检查 补救措施:广义最小二乘法(GLS),广义差分法,随机干扰项有关系数的估计,广义差分法在计量经济学软件中的实现,序列有关稳健原则误法
3、多重共线性:假如模型的解释变量之间存在着较强的有关关系,则称模型存在多重共线性
原因:经济变量有关的共同趋势、滞后变量的引入、样本资料的限制 后果(一)完全:1、 参数估计值不确定
2、参数估计值的方差会无限大
( 二)不完全:1、有也许求出参数的估计值,但估计值很不稳定
2、参数估计值的方差会随多重共线性(近似)程度的提高而增大
3、对总体参数的区间估计将会减少精确度(置信区间变宽)
评价区间估计的两个原则: (1)估计的可靠度
(2)估计的精确度
4、对总体参数的明显性检查(t 检查)在记录上将会不明显
检查多重共线性与否存在 2
判明存在多重共线性的范围克服措施:1
排除引起共线性的变量 2