正文

廣義差分法是將原模型變換為（廣義差分模型的正確形式）

發(fā)布時(shí)間：2023-05-22 09:40:01 稿源：創(chuàng)意嶺閱讀： 146

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于廣義差分法是將原模型變換為的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開(kāi)始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，有小程序、在線網(wǎng)頁(yè)版、PC客戶端和批量生成器

問(wèn)友Ai官網(wǎng)：https://ai.de1919.com。

本文目錄:

如何用工具變量法解決序列相關(guān)
一階差分法和廣義差分法的區(qū)別
廣義差分法怎么判斷消除序列相關(guān)
使用廣義差分法校正自相關(guān)時(shí),有哪些需要注意的問(wèn)題?

廣義差分法是將原模型變換為（廣義差分模型的正確形式）

如何用工具變量法解決序列相關(guān)

序列相關(guān)的修正
自相關(guān)結(jié)構(gòu)已知時(shí)的修正——廣義差分法
廣義差分法是將原模型變換為滿足OLS法的差分模型,再進(jìn)行OLS估計(jì).
t遵循0均值,同方差,無(wú)序列相關(guān)的各條OLS假定
廣義差分方程,失去一次觀測(cè)
更一般地,如果原模型
存在
則可以將原模型變換為:
該模型為廣義差分模型,不存在序列相關(guān)問(wèn)題.可進(jìn)行OLS估計(jì).
未知時(shí)序列相關(guān)的修正
應(yīng)用廣義差分法,必須已知隨機(jī)誤差項(xiàng)的相關(guān)系數(shù) 1, 2, … , p .
實(shí)際上,人們并不知道它們的具體數(shù)值,所以必須首先對(duì)它們進(jìn)行估計(jì).
(1)用DW統(tǒng)計(jì)量估計(jì)
(2)科克倫-奧克特兩步法
做原模型的OLS估計(jì),得到殘差et
做回歸: 估計(jì)
用作廣義差分方程的回歸,求回歸系數(shù).
(3)德賓兩步法
將廣義差分方程寫(xiě)為:
將上式看作一復(fù)回歸模型,求Yt對(duì)Xt,Xt-1和Yt-1的回歸,并把對(duì)Yt-1的回歸系數(shù)的估計(jì)值( )看作對(duì) 的一個(gè)估計(jì).雖然這個(gè)估計(jì)值有偏誤,它卻是的一個(gè)一致性估計(jì).
求得后,把變量換為
對(duì)轉(zhuǎn)換變量形成的廣義差分方程做OLS估計(jì).
虛假序列相關(guān)問(wèn)題
由于隨機(jī)項(xiàng)的序列相關(guān)往往是在模型設(shè)定中遺漏了重要的解釋變量或?qū)δＰ偷暮瘮?shù)形式設(shè)定有誤,這種情形可稱為虛假序列相關(guān)(false autocorrelation) ,應(yīng)在模型設(shè)定中排除.
避免產(chǎn)生虛假序列相關(guān)性的措施是在開(kāi)始時(shí)建立一個(gè)"一般"的模型,然后逐漸剔除確實(shí)不顯著的變量.
例1 美國(guó)零工招聘指數(shù)與失業(yè)率
數(shù)據(jù)如表.回歸模型設(shè)為:
其中:HWI:零工招聘指數(shù),U:失業(yè)率
先驗(yàn)符號(hào)
查表,N=24,一個(gè)解釋變量,5%的DW臨界值:dL=1.27, dU=1.45,0例1 美國(guó)零工招聘指數(shù)與失業(yè)率
序列相關(guān)修正,估計(jì)
用DW統(tǒng)計(jì)量估計(jì)
科克倫-奧克特兩步法
德賓兩步法
科-奧兩步法結(jié)果:
一般對(duì)大樣本來(lái)說(shuō),用哪種方法區(qū)別不大.但是對(duì)小樣本則不同.而且沒(méi)有一種方法總是優(yōu)于其他方法.科-奧兩步法較常用.
最終結(jié)果
比較
例2我國(guó)1980-2001年發(fā)電量與GDP
對(duì)數(shù)模型lnqi= 0+ 1lnxi+ i
存在序列相關(guān)
BG檢驗(yàn):LM
序列相關(guān)修正
系數(shù)均顯著,存在序列相關(guān)
六,案例:中國(guó)商品進(jìn)口模型
經(jīng)濟(jì)理論指出,商品進(jìn)口主要由進(jìn)口國(guó)的經(jīng)濟(jì)發(fā)展水平,以及商品進(jìn)口價(jià)格指數(shù)與國(guó)內(nèi)價(jià)格指數(shù)對(duì)比因素決定的.
由于無(wú)法取得中國(guó)商品進(jìn)口價(jià)格指數(shù),我們主要研究中國(guó)商品進(jìn)口與國(guó)內(nèi)生產(chǎn)總值的關(guān)系.(下表).
1. 通過(guò)OLS法建立如下中國(guó)商品進(jìn)口方程:
t (3.32) (20.12)
2. 進(jìn)行序列相關(guān)性檢驗(yàn).
DW檢驗(yàn)
取 =5%,由于n=24,k=2(包含常數(shù)項(xiàng)),查表得:
dl=1.27, du=1.45
由于 DW=0.628 20.05(2) 故: 存在正自相關(guān)
2階滯后:
3階滯后:
于是,LM=21 0.68=14.28
取 =5%, 2分布的臨界值 20.05(3)=7.815
LM > 20.05(3)
表明: 存在正自相關(guān);但ět-3的參數(shù)不顯著,說(shuō)明不存在3階序列相關(guān)性.
3,運(yùn)用廣義差分法進(jìn)行自相關(guān)的處理
(1)采用杜賓兩步法估計(jì)
第一步,估計(jì)模型
t (1.76) (6.64) (-1.76) (5.88) (-5.19) (5.30)
第二步,作差分變換:
D.W.=2.307 R2=0.991
則M*關(guān)于GDP*的OLS估計(jì)結(jié)果為:
(2.76) (16.46)
取 =5%,DW>du=1.43 (樣本容量24-2=22)
表明:已不存在自相關(guān)
于是原模型為:
與OLS估計(jì)結(jié)果的差別只在截距項(xiàng):
(2)采用科克倫-奧科特迭代法估計(jì)
取 =5% ,DW>du=1.66(樣本容量:22)
表明:廣義差分模型已不存在序列相關(guān)性.
可以驗(yàn)證: 僅采用1階廣義差分,變換后的模型仍存在1階自相關(guān)性;
采用3階廣義差分,變換后的模型不再有自相關(guān)性,但AR[3]的系數(shù)的t值不顯著.
單方程小結(jié) 多元回歸模型
多元回歸模型描述了被解釋變量與諸解釋變量的依賴關(guān)系
偏回歸系數(shù) i表示其它解釋變量不變的條件下,第i個(gè)解釋變量變化對(duì)被解釋變量的 "凈" 影響.
偏回歸系數(shù)的估計(jì)方法:最小二乘估計(jì)
當(dāng)經(jīng)典假設(shè)滿足時(shí),OLS估計(jì)量為最優(yōu)線性無(wú)偏估計(jì)量
多元回歸模型的建模過(guò)程
明確所研究的問(wèn)題,確定因變量
通過(guò)定性分析,找到導(dǎo)致因變量變化的主要影響因素,作為解釋變量
收集數(shù)據(jù),整理數(shù)據(jù),數(shù)據(jù)的初步分析
分析因變量與各解釋變量間關(guān)系的性質(zhì),確定模型的函數(shù)形式
建立計(jì)量模型,確定各偏回歸系數(shù)的先驗(yàn)符號(hào)
多元回歸模型的建模過(guò)程(續(xù))
用OLS估計(jì)模型的參數(shù),并作各種檢驗(yàn)
經(jīng)濟(jì)意義檢驗(yàn):各偏回歸系數(shù)的符號(hào)是否與預(yù)期一致
經(jīng)典假設(shè)檢驗(yàn):多重共線,異方差,序列相關(guān)
如果存在異方差/序列相關(guān),統(tǒng)計(jì)檢驗(yàn)無(wú)效
統(tǒng)計(jì)檢驗(yàn):t檢驗(yàn),F檢驗(yàn),判定系數(shù)
篩選完善模型:設(shè)定偏誤問(wèn)題
模型的應(yīng)用:預(yù)測(cè),結(jié)構(gòu)分析,政策建議
注意:不同形式模型偏回歸系數(shù)的經(jīng)濟(jì)含義
回歸建模示例1:糧食生產(chǎn)模型
根據(jù)理論和經(jīng)驗(yàn)分析,影響糧食生產(chǎn)(Y)的主要因素有:
農(nóng)業(yè)化肥施用量(X1), 糧食播種面積(X2),成災(zāi)面積(X3),農(nóng)業(yè)機(jī)械總動(dòng)力(X4), 農(nóng)業(yè)勞動(dòng)力(X5)
已知中國(guó)糧食生產(chǎn)的相關(guān)數(shù)據(jù),建立中國(guó)糧食生產(chǎn)函數(shù):
Y= 0+ 1 X1 + 2 X2 + 3 X3 + 4 X4 + 4 X5 +
模型估計(jì)結(jié)果
無(wú)異方差,無(wú)序列相關(guān),
不顯著,剔除
輔助回歸
多重共線
如何修正
差分消除共線
經(jīng)檢驗(yàn),無(wú)異方差,無(wú)序列相關(guān),無(wú)多重共線,可剔除兩個(gè)不顯著變量
剔除兩個(gè)不顯著變量
剔除變量法:先剔除哪個(gè)變量
先剔除x5"勞動(dòng)力"
剔除x5"勞動(dòng)力"和x4"機(jī)械總動(dòng)力"
可檢驗(yàn)無(wú)序列相關(guān),無(wú)異方差
去除常數(shù)項(xiàng)——過(guò)原點(diǎn)回歸

一階差分法和廣義差分法的區(qū)別

原模型不同。差分法是將原模型變換為差分模型，分為一階差分法和廣義差分法，其中兩者的原模型是不同的，廣義差分法是一種新的微分方程數(shù)值解法。它兼有差分法的簡(jiǎn)單性和有限元法的高精度性，還具有保持質(zhì)量守恒等良好性質(zhì)。

廣義差分法是將原模型變換為（廣義差分模型的正確形式）

廣義差分法怎么判斷消除序列相關(guān)

你好，經(jīng)過(guò)我查閱相關(guān)資料得知
廣義差分法判斷消除序列相關(guān)的方法如下:簡(jiǎn)單的方法就是plot出來(lái)肉眼觀察，但是如果序列數(shù)據(jù)很多，比如每一個(gè)sku都有一個(gè)獨(dú)立的序列數(shù)據(jù)，則肉眼觀察的方法太麻煩，平穩(wěn)性檢驗(yàn)和方差只能衡量序列數(shù)據(jù)的穩(wěn)定性和波動(dòng)程度，無(wú)法直接衡量趨勢(shì)的強(qiáng)弱。
使用簡(jiǎn)單的線性回歸的方法就可以了

使用廣義差分法校正自相關(guān)時(shí),有哪些需要注意的問(wèn)題?

首先依據(jù)DW值求出ρ值 ρ=1-DW/2等于0。75。然后將利用廣義差分規(guī)則即可以兩變量為例 ls y-0。75*y（-1） c x-0。75*x（-1）如果你把你的原模型發(fā)出來(lái)得話才能進(jìn)一步幫你寫(xiě)。
如果想學(xué)習(xí)具體怎么用廣義差分就message我。一兩句話講不清。
另外你這個(gè)模型DW這么小為什么不考慮用柯奧迭代法？操作起來(lái)容易多了放出模型以倆變量模型為例：原模型 ls y x c 柯奧迭代模型 ls y x c ar（1） ar（2）……ar（n）建議只用兩次或兩次以下的迭代去除自相關(guān)。

以上就是關(guān)于廣義差分法是將原模型變換為相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。