第六章 异方差性1 - 副本.ppt

计量经济学—理论·方法·EViews应用 郭存芝 杜延军 李春吉 编著;第六章 异方差性;◆异方差性及其产生原因;第一节 异方差性及其产生原因;二、异方差的类型; 根据;;三、异方差产生的原因;三、异方差产生的原因;三、异方差产生的原因;三、异方差产生的原因;第二节 异方差性的影响;1．参数估计量非有效;为详细说明异方差使OLS参数估计量的无效性，我们考虑一元回归模型： ;（6-3）;2．OLS估计的随机干扰项的方差不再是无偏的;3．基于OLS估计的各种统计检验非有效;4．模型的预测失效;第三节 异方差性检验; 对于解释变量引起的异方差，我们可以用 如下几种方法来检验异方差。;一、图示检验法;二、帕克(Park)检验与戈里瑟(Gleiser)检验 ;三、G-Q（Goldfeld-Quandt）检验;步骤 ;步骤 ;注意： ;四、F 检验; 同方查差假设意味着 等价于 只需检验 是否与一个或多个解释变???相关，可估计如下方程 然后检验该方程的总体显著性，统计量为;五、拉格朗日乘子检验;六、怀特检验 ;例6-1;;例6-5;OLS估计结果如下：;可以认为,不同地区农村人均消费支出的差别主要来源于非农经营收入及其他收入的差别，因此如果存在异方差，则可能是X2引起的。观察残差平方项ei2与 lnX2的散点图 :;G-Q检验:;３、计算 F 统计量。;第四节 异方差性的修正;一、异方差稳健推断;考虑第二节中的一元线性回归模型，如下; 该模型参数;对于一般的多元回归模型; 有了异方差稳健标准差，可以很方便的求得异方差稳健t统计量，还可以计算相应的F、LM统计量。 异方差稳健LM统计量的计算步骤概括如下：;例6-2;二、加权最小二乘法;不同形式的异方差要求用不同的加权方法来处理。;（一） 异方差为已知的解释变量的某一函数形式时的加权最小二乘估计;进一步改写为： ;上面的加权最小二乘例子实际上就是对加了权的残差平方和实施OLS估计，即求解;（二）异方差形式未知时的估计——可行的加权最小二乘法; 如果 已知，那么只需运行WLS估计。但实际上我们不知道 ，因此用数据来估计是更好的，然后再用这些估计的构建权重函数。先把（6-25）式转化为线性形式，然后再用OLS来估计; 如果我们确实知道回归模型随机干扰项是异方差的，而且我们知道异方差形式，那么我们应该用加权最小二乘法。但是有时候即使模型随机干扰项满足同方差假设，我们可能仍然需要用加权最小二乘来估计模型。例如当我们估计个体水平模型中的参数时，尽管个体水平模型中的干扰项满足基本假设，但如果个体水平的资料不能得到，而只能得到某些组或某些地理区域中的个体的平均水平资料，这时估计模型就必须用加权最小二乘法（权重为个体规模数），因为用平均水平的资料来估计个体 水平的模型，必然会出现异方差性的问题。; 用个体规模作为权重进行加权最小二乘估计的前提是个体水平的回归模型的随机误差项满足同方差假设。如果个体水平模型随机误差项是异方差的，那么正确的权重应取决于异方差的形式。这就是为什么越来越多的研究者在用人均资料估计模型时只简单计算稳健标准差和相应的统计量。 另一个变通的方法是根据个体规模来加权，但只报告WLS估计中异方差稳健统计量。这样可以确保在个体水平资料满足基本假设时，估计结果有效；在个体水平资料存在异方差时，通过稳健推断来描述，估计是有用的。;（三）异方差的处理——可行的加权最小二乘估计;（三）异方差的处理——可行的加权最小二乘估计;（三）异方差的处理——可行的加权最小二乘估计