5.3什么是加权最小二乘法？它的基本思想是什么？
答：以一元线性回归模型为例：
Yi??1??2Xi?ui，经检验u存在异方差，公式可以
i22var(u)????f(Xi)。选取权数 w，当?2越小 时，权数w越大。当?2越大ii表示为iiii时，权数wi越小。将权数与残差平方相乘以后再求和，得到加权的残差平方和：
?we??w(Y??2iiii*1*??2Xi)2??和???。这种，求使加权残差平方和最小的参数估计值?12求解参数估计式的方法为加权最小二乘法。
加权最小二乘的基本思想是通过权数wi使异方差经受了“压缩”和“扩张”变为同方差。区别对待不同的?i2。对较小的ei2,给予较大的权数，对较大的ei2给予较小的权数，从而使?ei2更 好地反映?i2对残差平方和的影响。
5.4产生异方差的原因是什么？试举例说明经济现象中的异方差性。
答：原因包括模型设定误差，模型中略去重要解释变量或者模型数学形式不正确都可能导致异方差。样本数据的观测误差以及截面数据中总体各单位的差异等也会导致异方差的存在。
5.5如果模型中存在异方差性，对模型又什么影响？这时候模型还能进行应用分
析吗？
答：当模型中的误差项存在异方差时，参数估计仍然是无偏的但方差不再是最小的；在异方差存在的情况下，参数估计的方差可能会高估或者低估真实的方差，从而会低估或者高估t统计量，从而可能导致错误的结论。 由于参数估计量不再是有效的，从而对Y的预测也将不是有效的。
5.6对数变化的作用是什么？进行对数变化应注意什么？对数变换后模型的经济意义有什么变化？
答：通过对数变换可以实现：一能使测定变量值的尺度缩小；二经过对数变换后的线性模型，其残差e表示相对误差，而相对误差往往比绝对误差有较小的差异。
进行对数变化应注意的是，对变量取对数虽然能够减少异方差对模型的影响，但应注意取对数后变量的经济意义。如果变量之间在经济意义上并非呈对数线性关系，则不能简单地对变量取对数，这时只能用其他方法对异方差进行修正。
5.7怎样确定加权最小二乘法中的权数？
答：在样本容量足够的情况下，可以先尝试用怀特检验找出引起异方差的解释变量，然后通过Glejser检验找出残差e随该解释变量变化而变化的函数形式，进而以该函数开方的倒数作为权数进行加权最小二乘估计。
第六章自相关
6.1如何使用DW统计量来进行自相关检验？该检验方法的前提条件和局限性有哪些？
答：DW 检验是J.Durbin(杜宾)和G.S.Watson(沃特森)于1951年提出的一种适用于小样本的检验方法，一般的计算机软件都可以计算出DW 值。
给定显著水平α，依据样本容量n和解释变量个数k’，查D.W.表得d统计量的上界du和下界dL，当0 DW检验的前提条件：（1）回归模型中含有截距项； （2）解释变量是非随机的（因此与随机扰动项不相关） （3）随机扰动项是一阶线性自相关。 （4）回归模型中不把滞后内生变量（前定内生变量）做为解释变量。 （5）没有缺失数据，样本比较大。 DW检验的局限性：（1）DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断。这时，只有增大样本容量或选取其他方法 （2）DW统计量的上、下界表要求n?15, 这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断 （3）DW检验不适应随机误差项具有高阶序列相关的检验. （4）只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量 ?? 6.2当回归模型中的随机误差项为AR(1)自相关时，为什么仍用OLS法会低估?j的标准误差？ 6.3判断以下陈述的真伪，并给出合理的解释。 （1）当回归模型随机误差项有自相关时，普通最小二乘估计量是有偏误的和非有效的。 判断：错误。当回归模型随机误差项有自相关时，普通最小二乘估计量是无偏 误的和非有效的。 （2）DW检验假定随机误差项ui的方差是同方差。 判断：错误。DW统计量的构造中并没有要求误差项的方差是同方差 。 （3）用一阶差分法消除自相关是假定自相关系数?为-1。 判断：错误。用一阶差分法消除自相关是假定自相关系数?为1，即原原模型存在完全一阶正自相关。 （4）当回归模型随机误差项有自相关时，普通最小二乘估计的预测值的方差和 标准误差不再是有效的。 ?判断：正确。 6.4对于四个解释变量的回归模型 Yt??0??1X1t??2X2t??3X3t??4X4t?u 如果样本量n=50, 当DW统计量为如下数值时，请判断模型中的自相关状况。 （1）DW=1.05 （2）DW=1.40 （3）DW=2.50 （4） DW=3.97 答：给定显著水平α=0.05，依据样本容量n=50和解释变量个数k’=4，查D.W.表得d统计量的上界du=1.721，下界dL=1.378，4?du=2.279，4?dL=2.622。 （1）DW=1.05 （2）dL