第六章 异方差性.pptVIP

Chapter 6 异方差性 二、异方差的类型 同方差：?i2 = 常数 ? f(Xi) 异方差：?i2 = f(Xi) 四、异方差性的后果 总而言之，在异方差情况下，我们建立在高斯马尔科夫定理基础上的用来检验各种假设的统计量都不再是有效的，因而OLS估计量不再是最佳线性无偏估计量（即不具有BLUE性质）。 五、异方差性的检验 检验思路： 辅助回归: 6. 怀特（White）检验 怀特检验不需要排序，且适合任何形式的异方差。 怀特检验的基本思想与步骤（以二元为例）： 去掉交互项是一种方法，另一种方法也可以用原来模型OLS回归得到的Y的拟合值作为辅助回归中的解释变量： 在进行怀特异方差检验时，建立如下辅助回归： 然后在计算LM统计量 例子6-5 异方差检验的说明性例子 P160 图示法 G-Q检验 F检验 LM检验 怀特检验 一旦获得了异方差稳健标准差，就可以构造异方差稳健t统计量。 稳健标准差的优点在于：不需要知道总体模型是否存在异方差以及是何种形式的异方差。 异方差稳健标准差比普通的OLS标准差更有效。 在大样本下，截面数据分析中我们可以仅仅报告异方差稳健标准差，一般软件都提供。 例子6-6 P164 运用EViews报告异方差稳健估计。 打开OLS估计结果，Estimate, options, 在LSTSLS中选