异方差。.ppt

第一节 异方差性的概念 本节基本内容： ●异方差性的实质 ●异方差产生的原因 一、异方差性的实质 异方差性的含义 设模型为 如果对于模型中随机误差项 有： 则称具有异方差性。进一步，把异方差看成是由于某个解释变量的变化而引起的，则 （一）模型中省略了某些重要的解释变量假设正确的计量模型是： 假如略去 ，而采用 当被略去的 与 有呈同方向或反方向变 化的趋势时,随 的有规律变化会体现在（5.5） 式的 中。 （二）模型的设定误差 模型的设定主要包括变量的选择和模型数学形式的确定。模型中略去了重要解释变量常常导致异方差，实际就是模型设定问题。除此而外，模型的函数形式不正确，如把变量间本来为非线性的关系设定为线性，也可能导致异方差。 （三）数据的测量误差 样本数据的观测误差有可能随研究范围的扩大 而增加，或随时间的推移逐步积累，也可能随 着观测技术的提高而逐步减小。 （四）截面数据中总体各单位的差异 通常认为，截面数据较时间序列数据更容易产生异方差。这是因为同一时点不同对象的差异，一般说来会大于同一对象不同时间的差异。不过，在时间序列数据发生较大变化的情况下，也可能出现比截面数据更严重的异方差。 第二节 异方差性的后果 本节基本内容： ●对参数估计统计特性的影响 ●对参数显著性检验的影响 ●对预测的影响 一、对参数估计统计特性的影响 （一）参数估计的无偏性仍然成立 参数估计的无偏性仅依赖于基本假定中的零均值 假定（即 ）。所以异方差的存在对无偏性 的成立没有影响。 （二）参数估计的方差不再是最小的 同方差假定是OLS估计方差最小的前提条件，所 以随机误差项是异方差时，将不能再保证最小二 乘估计的方差最小。 二、对参数显著性检验的影响 三、对预测的影响 第三节 异方差性的检验 常用检验方法: ●图示检验法 ● Goldfeld-Quanadt检验 ● White检验 ● ARCH检验 一、图示检验法 （一）相关图形分析 方差描述的是随机变量取值的（与其均值的）离散程度。因为被解释变量 与随机误差项 有相同的方差，所以利用分析 与 的相关图形，可以初略地看到 的离散程度与 之间是否有相关关系。 如果随着 的增加， 的离散程度为逐渐增大（或减小）的变化趋势，则认为存在递增型（或递减型）的异方差。 （二）残差图形分析 设一元线性回归模型为： 运用OLS法估计,得样本回归模型为： 由上两式得残差： 绘制出 对 的散点图 ◆如果 不随 而变化，则表明不存在异方差； ◆如果 随 而变化，则表明存在异方差。 二、Goldfeld-Quanadt检验 作用：检验递增性(或递减性)异方差。 基本思想：将样本分为两部分，然后分别对两个样 本进行回归，并计算两个子样的残差平方和所构成 的比，以此为统计量来判断是否存在异方差。 （一） 检验的前提条件 1、要求检验使用的为大样本容量。 2、除了同方差假定不成立外，其它假定均满足。 （二）检验的具体做法 1.排序 将解释变量的取值按从小到大排序。 2.数据分组 将排列在中间的约1/4的观察值删除掉，记