Chapter 3: 放宽基本假定的模型

违背基本假定的情况,需要了解:定义、后果、检测、解决方法

1、多重共线性
①定义


1

2

②后果:检验不准确,预测不准确


1

2

3

4

5

③检验方法:


1

2

3

④解决方法
1

2

3

本节stata命令:
reg y x1 x2 x3
corr x1 x2 x3 x4 x5
Vif #方差膨胀因子
pwcorr x1 x2 x3 x4 x5
stepwise, pe(0.05): regress Y X1 X2 X3 X4 X5 #增加解释变量的显著性
stepwise, pr(0.05): regress Y X1 X2 X3 X4 X5 #删除解释变量的显著性
[#]在Stata中,命令corr用于计算一组变量间的协方差或相关系数矩阵;命令pwcorr可用于计算一组变量中两两变量的相关系数,同时还可以对相关系数的显著性进行检验,[pwcorr 变量值, sig]这样就可以得到P值了;命令pcorr 用于计算一组变量中两两变量的偏相关系数并进行显著性检验。


reg y x1 x2 x3; corr y x1 x2 x3

vif; stepwise, pe(0.05)

2、异方差性:【截面数据】
①定义


1

②后果:影响方差,不影响无偏性


1

2

3

③检验方法:
1

2

3

4

5

④解决方法


1

2

3

4

5

6

本节stata命令:
1.White检验
Reg y x
estat imtest, white
2.加权最小二乘法
reg y x [aw=x^2]
3.稳健的标准误
reg y x, robust


1

2

3

4

5

6

3、自相关现象:【时间序列数据】
①定义


1

2

②后果


1

2

③检验方法:
1

2

3

4

5

④解决方法:


1

2

3

4

5

6

本节stata命令:
tsset year—设定时间序列变量
reg y x—回归
dwstat—计算DW统计量值
predict e,r—求解残差序列
reg e L.e, noc —残差对残差滞后项回归
newey y x,lag(3) ——Newey-West序列相关稳健标准误(但其实lag阶数不太好估计)
prais y x ——Prais-Winsten变换,用于广义差分法


dwstat

twoway (scatter e L.e)

newey y x, lag(3)

prais y x

4、分布滞后模型、自回归模型
①分布滞后模型:被解释变量受解释变量的影响分布在解释变量不同时期的滞后值上,即模型形如
Y_t=\alpha +\sum_{i=0}^s \beta_iX_{t-i}+u_t
具有这种滞后分布结构的模型称为分布滞后模型,其中 为滞后长度。根据滞后长度 取为有限和无限,模型分别称为有限分布滞后模型和无限分布滞后模型。
②自回归模型:如果滞后变量模型的解释变量仅包括自变量 的当期值和被解释变量的若干期滞后值,即模型形如
Y_t=\alpha +\beta_0 X_t + \sum_{i=1}^q \gamma_iY_{t-i}+u_t
则称这类模型为自回归模型,其中 称为自回归模型的阶数。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,386评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,142评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,704评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,702评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,716评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,573评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,314评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,230评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,680评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,873评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,991评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,706评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,329评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,910评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,038评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,158评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,941评论 2 355

推荐阅读更多精彩内容