金融計量學之非典型回歸模型及其應用(ppt 52頁)

金融計量學之非典型回歸模型及其應用目錄：
第一節、普通最小二乘假設的違背
第二節、廣義矩模型
第三節、麵板數據（panel、data）模型
第四節、離散因變量模型應用

金融計量學之非典型回歸模型及其應用內容提要：
普通最小二乘假設的違背：
如前所述，最小二乘回歸具有一係列前提假設。判斷是否滿足最小二乘回歸的假設是最重要的。在此，我們特別需要檢驗：
（1）異方差性——導致不滿足殘差具有不變方差的假設；
（2）自相關——導致不滿足殘差之間相互獨立的假設；
（3）多重共線性——導致不滿足自變量之間不相關的假設。
在本節中，我們重點對違背最小二乘回歸假設的這三種情況進行分析。
多重共線性問題提出
在現實經濟中，當我們構建多元線性回歸模型時，不可避免的引入兩個或兩個以上變量，而這些變量之間或多或少的存在相互關聯。當這些解釋變量之間高度相關甚至完全線性相關時，就會出現所謂的多重共線性問題。
多重共線性是包括完全多重共線性（Perfect multicollinearity）和近似多重共(near multicollinearity）。完全多重共線性是指若幹解釋變量或全部解釋變量之間存在著嚴格的共線性關係。
普通最小二乘假設的違背：
多重共線性產生的原因主要有以下幾個方麵：
一是經濟變量之間的內在聯係。很多經濟變量之間存在著因果關係，或是共同受其它因素的影響，比如說，收入消費等宏觀經濟指標在經濟繁榮時都趨向增長，而在經濟衰退時在有所衰減，在長期內變化存在一致性。所以多重共線性是計量經濟模型中常見的問題，隻是影響程度強弱有所不同。二是數據的收集和計算方法。比如說，抽樣限於總體中多個回歸元取值的一個有限製的範圍內。三是模型設定偏差。比如說，在解釋變量的範圍很小情況下，在回歸方程中添加多項式。

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