Glossary:
ls(least squares)
最小二乘法 R-sequared样本决定系数(R2):值为0-1,越接近1表示拟合越好,>0.8认为可以接受,但是R2随
因变量的增多而增大,解决这个问题使用来调整
Adjust R-seqaured()
S.E of regression回归标准误差
Log likelihood
对数似然比:
残差越小,L值越大,越大说明模型越正确
Durbin-Watson stat:DW统计量,0-4之间
Mean dependent var因变量的均值
S.D. dependent var因变量的
标准差 Akaike info criterion赤池信息量(AIC)(越小说明模型越精确)
Schwarz ctiterion:施瓦兹信息量(SC)(越小说明模型越精确)
Prob(F-statistic)相伴概率
fitted(拟合值)
线性回归的基本假设:
1.自变量之间不相关
2.随机误差相互独立,且服从期望为0,标准差为σ的正态分布
3.样本个数多于参数个数
建模方法:
ls y c x1 x2 x3 ...
x1 x2 x3的选择先做各序列之间的
简单相关系数计算,选择同因变量相关系数大而自变量相关系数小的一些变量。模型的实际业务含义也有指导意义,比如m1同gdp肯定是相关的。
模型的建立是简单的,复杂的是模型的检验、评价和之后的调整、择优。
模型检验:
1)方程
显著性检验(F检验):模型拟合样本的效果,即选择的所有自变量对因变量的解释力度
F大于临界值则说明拒绝0假设。
Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p值,若p小于
置信度(如0.05)则可以拒绝0假设,即认为方程显著性明显。
2)回归系数显著性检验(
t检验):检验每一个自变量的合理性
|t|大于临界值表示可拒绝系数为0的假设,即系数合理。
t分布的自由度为n-p-1,n为样本数,p为系数位置
3)DW检验:检验残差序列的自相关性,检验基本假设2(随机误差相互独立)
残差:模型计算值与资料实测值之差为残差
0<=dw<=dl 残差序列正相关,du<dw<4-du 无自相关, 4-dl<dw<=4负相关 ,若不在以上3个区间则检验失败,无法判断
demo中的dw=0.141430 ,dl=1.73369,du=1.7786,所以存在正相关
模型评价
目的:不同模型中择优
1)样本决定系数R-squared及修正的R-squared
R-squared=SSR/SST 表示总离差平方和中由回归方程可以解释部分的比例,比例越大说明回归方程可以解释的部分越多。
Adjust R-seqaured=1-(n-1)/(n-k)(1-R2)
2)对数似然值(Log Likelihood,简记为L)
残差越小,L越大
3)AIC准则
AIC= -2L/n+2k/n, 其中L为 log likelihood,n为样本总量,k为参数个数。
AIC可认为是反向修正的L,AIC越小说明模型越精确。
4)SC准则
SC= -2L/n + k*ln(n)/n
用法同AIC非常接近
预测forecast
root mean sequared error(RMSE)均方根误差
Mean Absolute Error(MAE)平均绝对误差
这两个变量取决于因变量的绝对值,
MAPE(Mean Abs. Percent Error)平均绝对百分误差,一般的认为MAPE<10则认为预测精度较高
Theil Inequality Coefficient(希尔不等系数)值为0-1,越小表示拟合值和真实值差异越小。
偏差率(bias Proportion),bp,反映预测值和真实值均值间的差异
方差率(variance Proportion),vp,反映预测值和真实值标准差的差异
协变率(covariance Proportion),cp,反映了剩余的误差
以上三项相加等于1。
预测比较理想是bp,vp比较小,值集中在cp上。
eviews不能直接计算出预测值的置信区间,需要通过置信区间的上下限公式来计算。如何操作?
其他
1)Chow检验
chow's breakpoint检验
零假设是:两个子样本拟合的方程无显著差异。有差异则说明关系中结构发生改变
demo中
Chow Breakpoint Test: 1977Q1
F-statistic 2.95511837136742 Prob. F(3,174) 0.0339915698953355
Log likelihood ratio 8.94507926849178 Prob. Chi-Square(3) 0.0300300700620291
p值<0.05,可拒绝0假设,即认为各个因素的影响强弱发生了改变。
问题是如何才能准确的找到这个或这几个断点?目前的方法是找残差扩大超出边线的那个点,但这是不准确的,在demo中1975Q2的残差超出,但是chow's breakpoint检验的两个p值都接近0.2,1976Q3开始两个p值才小于0.05,并且有逐渐减小之势。
chow's forecast检验
用断点隔断样本,用之前的样本建立回归模型,然后用这个模型对后一段进行预测,检验这个模型对后续样本的拟合程度。
0假设是:模型与后段样本无显著差异
demo中的1976Q4作为break point,得到两个p值为0,即认为两段样本的系数应该是不同的。
2)自变量的选择
testadd检验:
操作方法是: eqation name.testadd ser1 ser2 ...
0假设:应该将该变量引入方程
检验统计量:wald,LR
结果:通过两个p值(Prob. F,Prob Chi-sequare)看是否拒绝原假设
testdrop检验:
操作方法是: eqation name.testdrop ser1 ser2 ...
0假设:应该将该变量剔除
检验统计量:wald,LR
结果:通过两个p值(Prob. F,Prob Chi-sequare)看是否拒绝原假设
含定性变量的回归模型
分为:自变量含定性变量,因变量含定性变量。后一种情况较为复杂
建立dummy 变量(名义变量):用D表示
当变量有m种情况时,需要引入m-1个dummy变量
处理办法:把定性变量定义成0.1.2等数值后和一般变量同样处理
常见问题及对策
1)
多重共线性(multicollinearity):
p个回归变量之间存在严格或近似的线性关系
诊断方法:
1.如果模型的R-sequared很大,F检验通过,但是某些系统的t检验没通过
2.某些自变量系数之间的简单相关系数很大
3.回归系数符号与简单相关系统符号相反
以上3条发生都有理由怀疑存在多重共线性
方差扩大因子(variance inflation factor VIFj)是诊断多重共线性的常用手段。
VIFj为矩阵(X’ X)-1第j个对角元素cjj=1/(1-R2j)(j=1,2…,p)
其中R2j为以作为cj因变量,其余p-1个自变量作为自变量建立多元回归模型所得的样本决定系数,所以R2j越大则说明自变量之间自相关性越大,此时也越大,可以认为VIFj>10(R2j>0.9)则存在多重共线性。
还可以使用VIFj的
平均数作为判断标准,如果avg(VIFj)远大于10则认为存在多重共线性。
eviews里如何使用VIF法?--建立方程,然后手工建立scalar vif。demo中GDP和PR的vif为66,存在多重共线性? 只有一个自变量的方程是否会失效?此时dw值只有0.01远小于dl,说明GDP远远不是PR能决定的。结合testdrop将PR去除,两个p值为0,说明不能把PR去除。
在eviews中当自变量存在严重的多重共线性时将不能给出参数估计值,而会报错:nearly singular matrix
多重共线性的处理:
1.剔除自变量,选择通过testdrop实验,并且vif值最大的那个
2.差分法,在建立方程时填入 ls m1-m1(-1) c gdp-gdp(-1) pr-pr(-1)。m1(-1)表示上一个m1
差分法常常会丢失一些信息,使用时应谨慎。 demo中得到的模型,c 的p值0.11, pr-pr(-1)的p值为0.60,说明参数无效。
2)
异方差性(Herteroskedasticity)
即随机误差项不满足基本假设的同方差性,异方差性说明随机误差中有些项对因变量的影响是不同于其他项的。
一般地,截面数据做样本时出现异方差性的可能较大,或者说都存在异方差性
若存在异方差性,用OLS估计出来的参数,可能导致估计值虽然是无偏的,但不是有效的。
(截面数据就是同一时间点上各个主体的数据,比如2007年各省的GDP数据放在一起就是一组截面数据
与之相对的是时间序列数据 如河北省从00年到07年的数据就是一组时间序列数据
两者综合叫
面板数据 )
00年到07年各省的数据综合在一起就叫面板数据
诊断方法:
1.图示法,以因变量作为横坐标,以残差项为纵坐标,根据
散点图判断是否存在相关性。
(选择两个序列作为group打开,先选中的序列将作为group的纵坐标)
2.戈里瑟(Glejser)检验:
??
3.怀特(White)检验:
用e2作为因变量,原先的自变量及自变量的平方(还可以加上各自变量之间的相互乘积)作为自变量 建立模型。
怀特检验的统计量为:m=n*R2(n是样本容量,R2是新模型的
拟合优度), m~ χ2(k) k为新模型除常数项之外的自变量个数
零假设:模型不存在异方差性
操作:在估计出来的方程中,view-residual tests-White Herteroskedasticity(no cross/cross) 分别为是否含自变量交叉项
demo中的两个p值为0,所以拒绝零假设,认为存在严重的异方差性。
异方差性的处理:
1.加权最小二乘法(WLS weighted least sequare)。
最常用的方法,一般用于异方差形式可知的情况。基本思路是赋予残差的每个观测值不同的权数,从而使模型的随机误差项具有相同的方差。
2.自相关相容协方差(Heteroskedasticity and antocorrelation consistent convariances HAC)
用于异方差性形式未知时。在建模时在options中选择Heteroskedasticity consistent convariances 再从white,newey-west中选择一种。
HAC不改变参数的点估计,改变的知识估计标准差。如何改变标准差?
3)自相关性
残差项不满足相互独立的假设。一般的,经济时间序列中自相关现象较为常见,这主要是经济变量的滞后性带来的。
自相关性将导致参数估计值虽然是无偏的,但不是有效的。
诊断方法:
1.绘制残差序列图。如果序列图成锯齿形或循环状的变化,可以判定存在自相关
2.回归检验法:
以残差e(t)为被解释变量,以各种可能的相关变量,如 e(t-1) e(t-2)作为自变量,选择显著的最优拟合模型作为自相关的形式。
demo中以 ls residm1 c residm1(-1) residm1(-2)后 发现c的p值为0.54,做testdrop实验,两个p值都>0.5 可以将c剔除。剔除c后:
Dependent Variable: RESIDM1
Method: Least Squares
Date: 12/29/07 Time: 11:26
Sample (adjusted): 1952Q3 1996Q4
Included observations: 178 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
RESIDM1(-1) 1.215361 0.077011 15.78173 0.0000
RESIDM1(-2) -0.271664 0.078272 -3.470763 0.0007
R-squared 0.868569 Mean dependent var 0.011855
Adjusted R-squared 0.867823 S.D. dependent var 26.91138
S.E. of regression 9.783961 Akaike info criterion 7.410538
Sum squared resid 16847.76 Schwarz criterion 7.446289
Log likelihood -657.5379 Durbin-Watson stat 2.057531
模型的r-sequared稍小,参数很显著,dw显示为无自相关。
但是常数c能剔除吗?剔除后模型没有f-statistic和对应p值,原理何在?
3.DW检验法
用于小样本的一阶自相关情况,缺点:当回归方程右边存在因变量的滞后项如m1(t-i) (i=1,2,...)时,检验失败。
解决办法:
1.差分法
用增量数据代替原来的样本数据,较好的克服了自相关,但是改变了原方程的形式,意义不大。
2.Cochrane-Orcutt迭代法
不能有常数项!验证了回归检验的中的做法。