1.无偏性 参数估计量的期望值与参数真值是相等的,这种性质称为无偏性,具有无偏性的估计量称为无偏估计量。
2. 有效性 无偏性表示估计值是在真值周围波动的一个数值,即无偏性表示估计值与真值间平均差异为0,近似可以用估计值作为真值的一个代表。同一个参数可以有许多无偏估计量,但不同估计量的期望方差不同,也就是估计量在真值周围的波动大小不同。估计量的期望方差越大说明用其估计值代表相应真值的有效性越差;否则越好,越有效。不同的估计量具有不同的方差,方差最小说明最有效。
3.异方差性 是相对于同方差而言的。所谓同方差,是为了保证回归参数估计量具有良好的统计性质,经典线性回归模型的一个重要假定:总体回归函数中的随机误差项满足同方差性,即它们都有相同的方差。如果这一假定不满足,即:随机误差项具有不同的方差,则称线性回归模型存在异方差性。
1.回归分析是一个变量(被解释变量)对于一个或多个其他变量(解释变量)的依存关系,目的在于根据解释变量的数值估计预测被解释变量的总体均值。相关分析研究变量相关程度,用相关系数表示。相关分析不关注变量的因果关系,变量都是随机变量。回归分析关注变量因果关系。被解释变量是随机变量,解释变量是非随机变量。
2.DW检验适用于一阶自回归:不适用解释变量与随机项相关的模型;DW检验存在两个不能确定的区域
3. 参数估计量非有效.变量的显著性检验失去意义.模型的预测失效
图示法:(X _ e2)
解析法:戈德菲尔德-匡特检验怀特检验 ARCH检验