(完整word版)异方差多重共线性自相关的总结

使用 OLS 法估计模型 YtРР1Р2 X tРutР，计算残差 et(1)РYtРYtРYtР(Р1Р2РX t )РРРРРРРР(1)РРРРРРРРРРРРРРР（2）利用 et(1) 作回归，即 et(1)РРet(1)1 vtРРРРРРРРРРРРРРРРРРРРР(1)РРРРРРРРРРРР（3）用РOLSР法Р估Р计Р式Р中Р的РР，Р对Р模Р型Р进РР行Р广Р义Р差Р分 ， 即Р(1)РРР(1)РРР(1)РРР(1)РРРРРРРРet(2 )РРРYtРYt 1Р1 (1Р)Р2 ( X tРРX t 1 ) utРРut 1РРYtР1РР2 X tРРРРРРРРРРР(1)РРРРРРРРРРРР（4）由前一步估计的结果有Р1Р1 /(1Р) 和РР2Р2 ， 将Р2 ,Р2Р代入原方程得到新的残差РРР7РРРРРРet(3 )РYt12 X tРРР（5）利用残差作回归得 et(3 ) =Р( 2 )et3Р1vtРР依此类推，直到得到?的最佳估计值РРРРРРРРРE views 操作：?如图，在估计方程对话框中加入?AR(p) ，РР即可得到参数?1?2 等的估计值。如果是一阶自相关，就在方程对话框中加入?AR(1) ，如果是二阶自相关，就在РР方程对话框中加入?AR(1)?、AR(2) ，以此类推。РРРР注意?当对时间序列的自相关进行修正后，经常出现变量的显著性检验不能通过的情况。其主要原因包括以下项：样本РР不够、同时存在异方差和多重共线性等、解释变量未能包含所有影响被解释变量的因素等，以及时间序列数据有РР其自身的特点，经常出现伪回归现象。РР相应的处理方法：扩大样本、检验异方差、修改模型、进行单位根检验→建立协整方程。РРРРРРРРРРРРРРРРРРРРРРРРРРРРРРРРР8