一、多重共線性二、異方差性三、序列相關性四、隨機解釋變量問題第三節違背經典假設的計量經濟學方法一、多重共線性1.含義

如果有兩個或者兩個以上的解釋變量x之間存在顯著的相關性，則稱模型存在多重共線性。分類

出現完全共線性。

（1）完全共線性完全共線，例如

（2）一般共線性

一般共線，例如

表現假設X1,和X2共線共線性若不嚴重，可忽略正的共線性負的共線性原因：經濟變量之間客觀存在的聯系

后果

完全共線后果

若完全共線性

一般共線后果

2、檢驗圖示法，建立解釋變量之間的散點圖判斷

判決系數法

逐步回歸法

3.克服多重共線行的方法原理：增量之間的線性關系比總量之間的線性關系弱

①—②

嚴重共線：應用一階差分法（或者嶺回歸法）

一般共線：應用廣義差分法（詳見第三節）剔除法：經濟意義不顯著的共線變量可剔除說明：即使存在多重共線，如果解釋變量可以通過t檢驗，可以忽略多重共線問題。一階差分法軟件程序

二、異方差性1.含義表現

遞增異方差遞減異方差成因：隨機誤差項中某一因素起了主導作用。

例如，服裝需求模型依據需求函數，影響需求量的顯著因素主要是收入和價格，詳見第7章需求函數部分。

氣候變化低收入

高收入后果

顯著性檢驗失效。

如果不滿足同方差假設則不能構造有效的t統計量。

2、檢驗

同方差遞增異方差遞減異方差圖示法戈里瑟法（Glejser）t檢驗

以一元模型為例布羅施-帕甘（Breusch-Pagan）檢驗

懷特（White）檢驗

3、估計[加權(Weight)最小二乘法WLS]原理

WLS軟件操作（依據原理，手動）

WLS軟件程序（實際操作，自動）

三、序列相關性表現模型存在正序列相關性

樣本點在回歸直線同側——正的序列相關

樣本點在回歸直線異側——負的序列相關原因：隨機誤差相中某一因素起到主導作用緊縮政策

擴張政策后果因為參數估計量的有效性證明和t統計量的構造都依賴序列無關假設。（詳見參數估計量有效性證明）2，變量的顯著性檢驗失效

2、檢驗圖示法散點圖D-W法（Durbin-Wartson檢驗）

就是說：D.W小時有正相關的可能D.W大時有負相關的可能D.W檢驗判斷標準Ⅲ：du<D.W<4-du序列無關Ⅳ：4-du<D.W<4-dL無法判斷Ⅴ：4-dL<D.W<4負序列相關

Ⅰ

Ⅱ

Ⅲ

Ⅳ

Ⅴ0dldu24-du4-dl4Ⅰ：0<D.W<dl

正序列相關Ⅱ：dl<D.W<du無法判斷DW處在無法判斷區域

Ⅱdl<D.W<du無法判斷Ⅳ：4-du<D.W<4-dL無法判斷拉格朗日乘數（LM）檢驗（補充，了解）

3、估計：一階廣義差分法（假設兩個X)

杜賓兩步法完成參數估計

一階廣義差分法軟件操作舉例[為什么輸入AR(1)]

廣義差分法的軟件操作如果模型存在軟件輸入：Y

C

X1…….XKAR(1)AR(2)……AR(L)

四、隨機解釋變量問題五、軟件操作綜合練習如果糧食產量作為被解釋變量，依據CD生產函數，應選擇哪些解釋變量建立模型？注：CD生產函數的數學形式：Y=AKαLβ其中，Y:產出；A：效率系數；K:資本；L:勞動力答:Y：糧食產量X：施肥量；種子投入；種植面積；農機動力；農業勞力技術水平一定情況下的計量模型

農機動力和農業勞力參數為負數，經濟意義不合理。技術水平變化情況下的計量模型

農業勞力和技術進步的參數為負數，經濟意義不合理。分段回歸與虛擬變量的引入考慮糧食生產的條件變化，以2000年為拐點，首先進行Chow檢驗，結果拒絕參數相等的約束，應該分段分段回歸結果顯示：2000年之前，技術進步不顯著2000年之后，技術進步顯著，但模型線性關系不顯著引入虛擬變量（乘法，持續作用），OLS估計的線性關系仍不顯著檢驗發現存在異方差性，不存在序列相關性，采用WLS，通過檢驗1983-2000年分段回歸結果技術進步不顯著，規模報酬不變20