（i）在计算机习题C10.7中，你估计了消费增长和可支配收入增长之间的一种简单关系。检验这个方程中的AR（1）序列相关（用CONSUMPRAW）。（ii）在计算机习题C11.7中，你通过消费的增长对其一期滞后的回归，检验了持久收入假说。在做这个回归之后，再通过残差平方对[tex=2.071x1.0]nhvRqCKB8UdsvvQpYmNebg==[/tex] 和 [tex=2.214x1.286]Uv+HfS5xfWInr0jKgRxNbfPh3tqtpZKxrWmTXUWlOhs=[/tex]的回归来检验异方差。你有何结论？
举一反三
- 将异方差性的布罗施-帕甘检验和怀特检验的特征相结合有不同的方法。文中没有讨论的一种可能性是将 [tex=1.0x1.5]bybt0n1ULyTKr5LP0Zh4emspaoH/1hlbvKVK2m78+l0=[/tex] 对 [tex=13.857x1.5]MZJDhJEKrBzJaXDFA534sSPgLk9W4M7KRwv3GC8d9X36fk3TACxHU0CXDKihr3SfuLyZWqgEwurvpYvgkZNW7hNnnSuEEh1u0kYeNUq8/00=[/tex] 进行回归。其中, [tex=0.857x1.214]HDXdck+r2qKLLH+te6GQfw==[/tex] 是 OLS 残差, [tex=0.786x1.286]IkEIUpuafUqrWqzlh6Abew==[/tex] 是 OLS 拟合值。于是, 我们可以检验 [tex=5.714x1.0]kaxIkZC7LAeTb5URurtm9px/USWRATbyHjoTdW+Xp6w=[/tex] 和 [tex=0.929x1.5]UfuHMW9RleTTOPkIr+0kMPVbAQ7Yn1X7mT4sHOiyJIg=[/tex] 的联合显著性。（当然，我们在回归中总是包含一个截距。）（i）与所建议的异方差F检验相联系的自由度是多少？（i）解释为什么上述回归的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]总是至少和BP回归和怀特检验特殊形式的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]一样大？（iii）第（i）部分是否意味着这个新检验总能比BP或怀特特殊情形估计量得到更小的P值？请解释。（iv）假设有人还建议在新提出的这个检验中增加。你认为这个主意如何？
- 将异方差性的布罗施一帕甘检验和怀特检验的特征相结合有不同的方法。正文中没有讨论的一种可能性是将[tex=1.0x1.286]jyAtNoQTpqVWWhaeEu0ZFtA/31G5PGRzV8BrjmSKEgw=[/tex]对[tex=1.214x1.286]+2po0BA5nQ0ANMPtIojO6A==[/tex]，[tex=1.286x1.286]Sbradpy8rvAK92mOyW/4Qw==[/tex]，[tex=1.143x1.286]PZ3wc82RrbgX5KwVcyJcmA==[/tex]，[tex=1.286x1.286]/UEFQMtphFpGaKqKcPypfQ==[/tex]，[tex=0.929x1.286]eNPoBzh+O0EJsbH9PrvxlrlYUZZRKhga1Lg3qMHEJFo=[/tex]；[tex=4.857x1.286]axzC9qQ2HqBtpy7wJsh+qDVYwl+Gc8LLeXCFGS8DBm0=[/tex]进行回归。其中，[tex=0.857x1.286]5KV3a1aYTZ2Zwm+WGcaUu8Du+Yf1pUwMK0YfsKcf/PM=[/tex]是OLS残差，[tex=0.786x1.286]yeWZytEK4C7GE/zWwv/2gpUoaSlQzC/rzUgGYPi1xqM=[/tex]是OLS拟合值。于是，我们可以检验[tex=1.214x1.286]+2po0BA5nQ0ANMPtIojO6A==[/tex]，[tex=1.286x1.286]Sbradpy8rvAK92mOyW/4Qw==[/tex]，[tex=1.143x1.286]PZ3wc82RrbgX5KwVcyJcmA==[/tex]，[tex=1.286x1.286]/UEFQMtphFpGaKqKcPypfQ==[/tex]和[tex=0.929x1.286]eNPoBzh+O0EJsbH9PrvxlrlYUZZRKhga1Lg3qMHEJFo=[/tex]的联合显著性。（当然，我们在回归中总是包含一个截距。）（i）与所建议的异方差F检验相联系的自由度是多少？（ii）解释为什么上述回归的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]总是至少和BP回归和怀特检验特殊形式的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]一样大？（iii）第（ii）部分是否意味着这个新检验总能比BP或怀特特殊情形估计量得到更小的P值？请解释。（iv）假设有人还建议在新提出的这个检验中增加[tex=0.929x1.286]eNPoBzh+O0EJsbH9PrvxlrlYUZZRKhga1Lg3qMHEJFo=[/tex]。你认为这个主意如何？
- 考虑模型:[tex=7.786x1.214]Fqbb+kYeBq2k+Yb96xK22M3TbNNcgtDMx/tGpqsUGbe0lyBt4/+7k3Lk3dgWLS/O[/tex] （1)[br][/br]为了找出此模型是否因为漏掉变量[tex=1.214x1.214]jmQSlIEXPwdaNuHVxT7/kA==[/tex]而成为-一个误设的模型，你决定用模型(1) 给出的残差仅仅对[tex=1.214x1.214]jmQSlIEXPwdaNuHVxT7/kA==[/tex]一个变量做回归(注: 在此回归中有一-截距项)。然而，拉格朗日乘数([tex=1.714x1.0]0oXpjS70IMGa6CfJdA53Yg==[/tex])检验要求你用方程(1)的残差兼对[tex=3.429x1.286]6a0gNEHbcJM1s9HwTSb3dKeqDm3RqYWZVUXyvm/z0O8=[/tex]及一常数项做回归。为什么你用的程序很可能是不适当的?
- 本题使用VOTEl.RAW中的数据。（i）估计一个以voteA为因变量并以prtystrA、democA、log（expendA）和log（expendB）为自变量的模型。得到OLS残差[tex=0.857x1.286]5KV3a1aYTZ2Zwm+WGcaUu8Du+Yf1pUwMK0YfsKcf/PM=[/tex]，并将这些残差对所有的自变量进行回归。解释你为什么得到[tex=3.0x1.286]lHsxa5wMhEVHdN5dfL0ljQ==[/tex]。（ii）现在计算异方差性的布罗施一帕甘检验。使用F统计量的形式并报告P值。（iii）同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强？
- 在回归分析中[tex=1.786x1.286]X0cS82O5/gtDUnrBkLT0dw==[/tex]检验和[tex=0.357x1.286]tv9NEQGfxmSBsvmqN3/Q7Q==[/tex]检验各有什么作用?