回覆列表
-
1 # pzyyo24296
-
2 # 我是阿嘛
異方差性:對於不同的解釋向量,被解釋變數的隨機誤差項的方差不再是常數,而互不相同,則認為出現了異方差性。
序列相關性:如果對於不同的解釋向量,隨機誤差項之間不再是不相關的,而是存在某種相關性,則認為出現了序列相關性。
對比OLS迴歸的假設就明白啦:異方差因為違反了殘差序列同方差的假定 ,序列自相關違反了殘差序列獨立不相關的假定
序列相關性和異方差性區別:異方差性:對於不同的解釋向量,被解釋變數的隨機誤差項的方差不再是常數,而互不相同,則認為出現了異方差性。 序列相關性:如果對於不同的解釋向量,隨機誤差項之間不再是不相關的,而是存在某種相關性,則認為出現了序列相關性。序列相關性:在計量經濟學中指對於不同的樣本值,隨機干擾之間不再是完全相互獨立的,而是存在某種相關性。又稱自相關(autocorrelation),是指總體迴歸模型的隨機誤差項之間存在相關關係。在迴歸模型的古典假定中是假設隨機誤差項是無自相關的,即在不同觀測點之間是不相關的。如果該假定不能滿足,就稱與存在自相關,即不同觀測點上的誤差項彼此相關。自相關的程度可用自相關係數去表示,根據自相關係數的符號可以判斷自相關的狀態,如果0,則ut與ut-1為正關;如果= 0,則ut與ut-1不相關。異方差性:是為了保證迴歸引數估計量具有良好的統計性質,經典線性迴歸模型的一個重要假定是:總體迴歸函式中的隨機誤差項滿足同方差性,即它們都有相同的方差。如果這一假定不滿足,則稱線性迴歸模型存在異方差性。若線性迴歸模型存在異方差性,則用傳統的最小二乘法估計模型,得到的引數估計量不是有效估計量,甚至也不是漸近有效的估計量;此時也無法對模型引數的進行有關顯著性檢驗。對存在異方差性的模型可以採用加權最小二乘法進行估計。異方差性的檢測——White test在此檢測中,原假設為:迴歸方程的隨機誤差滿足同方差性。對立假設為:迴歸方程的隨機誤差滿足異方差性。判斷原則為:如果nR^2>chi^2 (k-1),則原假設就要被否定,即迴歸方程滿足異方差性。在以上的判斷式中,n代表樣本數量,k代表引數數量,k-1代表自由度。chi^2值可由查表所得。