-第章 异方差.pptVIP

9.4 观察到异方差该怎么办：补救措施 9.4.3 重新设定模型 例9-7 工资数据的双对数模型 (9-29) 9.4 观察到异方差该怎么办：补救措施 例9-7 工资数据的双对数模型的（9-29）怀特检验 9.4 观察到异方差该怎么办：补救措施 例9-7 工资数据的双对数模型的（9-29）格莱泽检验 案例--中国农村居民人均消费函数 例如：中国农村居民人均消费支出主要由人均纯收入来决定。 农村人均纯收入包括(1)从事农业经营的收入，(2)包括从事其他产业的经营性收入(3)工资性收入、(4)财产收入(4)转移支付收入。 考察从事农业经营的收入(X1)和其他收入(X2)对中国农村居民消费支出(Y)增长的影响: 普通最小二乘法的估计结果： 异方差检验 异方差检验 进一步的统计检验 (1)G-Q检验 将原始数据按X2排成升序，去掉中间的7个数据，得两个容量为12的子样本。 对两个子样本分别作OLS回归，求各自的残差平方和RSS1和RSS2： 子样本1： (3.18) (4.13) (0.94) R2=0.7068， RSS1=0.0648 子样本2： (0.43) (0.73) (6.53) R2=0.8339， RSS2=0.2729 计算F统计量： F= RSS2/RSS1=0.2792/0.0648=4.31 查表 给定?=5%，查得临界值 F0.05(9,9)=2.97 判断 F F0.05(9,9) 否定两组子样方差相同的假设，从而该总体随机项存在递增异方差性。 （2）怀特检验 作辅助回归: （-0.04）(0.10) (0.21) (-0.12) (1.47) (-1.11) R2 =0.4638 似乎没有哪个参数的t检验是显著的 。但 n R2 =31*0.4638=14.38 ?=5%下，临界值 ?20.05(5)=11.07，拒绝同方差性 去掉交叉项后的辅助回归结果 (1.36) (-0.64) (064) (-2.76) (2.90) R2 =0.4374 X2项与X2的平方项的参数的t检验是显著的，且 n R2 =31? 0.4374=13.56 ?=5%下，临界值 ?20.05(4)=9.49 拒绝同方差的原假设 原模型的加权最小二乘回归 对原模型进行OLS估计，得到随机误差项的近似估计量ěi，以此构成权矩阵?2W的估计量； 再以1/| ěi|为权重进行WLS估计，得 各项统计检验指标全面改善 9.5 若干异方差实例 例9.9 公路容量与经济增长 9.6 若干异方差实例 例9.10 扩展的工资模型 第9章作业 9.7；9.8；9.16；9.19 * * * * * * * * * 举例说明帕克检验的步骤 尝试建立方程： （1）作普通最小二乘回归，不考虑异方差； （2）从原始回归方程中得残差，并求其平方，再取对数形式； （3）利用原始模型的解释变量做如下回归： （4）检验零假设B2＝0；若拒绝零假设，则存在异方差； （5）若接受零假设，则回归方程中的B1为同方差的一个给定值。 9.3 异方差的诊断：如何知道存在异方差问题？ 9.3 异方差的诊断：如何知道存在异方差问题？ 例9.3 523个工人的工资回归与帕克检验 9.3.4格莱泽检验（Glejser test） 9.3 异方差的诊断：如何知道存在异方差问题？ 如果回归结果表明异方差与多个变量有关，可以引入多个变量进行回归，并进行检验。 Glejser检验的优点在于，在检验异方差的同时，可以得到异方差形式的信息（与解释变量的关系），在后续分析中据此处理样本数据和回归模型，以得到BLUE估计。 9.3 异方差的诊断：如何知道存在异方差问题？ 例9.4 523个工人的工资回归与格莱泽检验 9.3 异方差的诊断：如何知道存在异方差问题？ 9.3 异方差的诊断：如何知道存在异方差问题？ 9.3 异方差的诊断：如何知道存在异方差问题？ 9.3 异方差的诊断：如何知道存在异方差问题？ 9.3 异方差的诊断：如何知道存在异方差问题？ 9.3.