计量第五章 异方差.ppt

第五章 异方差 异方差 一、异方差的概念 二、产生异方差的原因（来源） 三、异方差的后果 四、异方差的检验（诊断） 五、异方差的修正 一、异方差的概念 异方差可以表示为 或 即对于不同的样本点，随机误差项的方差不再是常 数，而互不相同，则认为出现了异方差性。 二、异方差产生的原因 普遍性：两类数据都有，横截面数据更多。 原因： 1.按照边错边改学习模型，人们在学习过程中，其行为误差随时间而减少。在这种情形下，方差σi2会逐渐变小。例如，随着打字练习小时数的增加，不仅平时打错的个数而且打错的方差都有所下降。 2.随着收入的增长，人们有更多的备用收入，从而如何支配他们的收入有更大的选择范围。因此，在作出储蓄对收入的回归时，很可能发现，由于人们对其储蓄行为有更多的选择，σi2与收入俱增。因此，以增长为导向的公司比之于已发展定型的公司在红利支付方面也可能表现更多的变异。 异方差产生的原因 3.随着数据采集技术的改进，σi2 可能减小。例如，有精巧数据处理设备的银行，在他们对账户的每月或每季收支说明书中，比之于没有这种设备的银行，会出现更少的差错。 4.异方差还会异常值的出现而产生。 5.异方差还会因为模型的设定错误而产生。 案例分析 例2：以绝对收入假设为理论假设、以截面数据为样本建立居民消费函数： 将居民按照收入等距离分成n组，取组平均数为样本观测值。 一般情况下，居民收入服从正态分布：中等收入组人数多，两端收入组人数少。而人数多的组平均数的误差小，人数少的组平均数的误差大。 所以样本观测值的观测误差随着解释变量观测值的不同而不同，往往引起异方差性。 例3：以某一行业的企业为样本建立企业生产函数模型 Yi=Ai?1 Ki?2 Li?3e?i 被解释变量：产出量Y 解释变量：资本K、劳动L、技术A， 那么：每个企业所处的外部环境对产出量的影响被包含在随机误差项中。 每个企业所处的外部环境对产出量的影响程度不同，造成了随机误差项的异方差性。 这时，随机误差项的方差并不随某一个解释变量观测值的变化而呈规律性变化，呈现复杂型。 三、异方差的后果 1、参数估计量非有效 OLS估计量仍然具有线性性和无偏性，但不具有有效性 2、变量的显著性检验失去意义 变量的显著性检验中，构造了t 统计量 3、模型的预测失效 一方面，由于上述后果，使得模型不具有良好的统计性质； 所以，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。 三、异方差的检验（诊断） 检验思路： 由于异方差性就是相对于不同的解释变量观测值，随机误差项具有不同的方差。那么： 检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。 （一）残差序列分析 （二）戈德菲尔德-夸特检验 （三）戈里瑟检验 （四）怀特检验 （一）残差序列分析 (a) (b) (c) (d) (e) (f) （二）戈德菲尔德-夸特检验 戈德菲尔德-夸特检验是最常用的异方差专门检验方法之一。这种方法适合于检验样本容量较大的线性回归模型的递增或递减型异方差性。 戈德菲尔德-夸特检验的原假设为 H0 ：σ12 = σ22 = …=σT2 备择假设：H1 ：σ12≤ σ22 ≤…≤σT2 对于存在递增异方差模型，步骤：首先将样本按X值的大小顺序将观测值排列，然后略去居中的C个观测值，并将其余的(T-C)个观测值分成两组，每组(T-C)/2个，分别对两个子样本进行回归，并分别获得残差平方和，自由度都为（T-C)/2-K-1。 （二）戈德菲尔德-夸特检验 计算统计量： 查表求临界值F? ， 如果 ，拒绝原假设，误差项存在明显的递增异方差性； 如果 ，接受原假设，误差项没有明显的异方差性。 （二）戈德菲尔德-夸特检验 对于递减异方差性模型，检验的方法相似，只要把前面构造的F统计量的分子分母互换，就可以用同样的程序检验模型是否存在递减型的异方差问题。 但该方法的有效性还依赖于C的选择，还有，当模型出现多于一个X变量时，就可以按任意一个X变量的大小顺序将观测值排列。 参看案例分析 （三）戈里瑟检验 （三）戈里瑟检验 通常拟合 和 之间的回归模型： 根据图形中的分布选择 还可以拟合 和 之间的回归模型 （四）怀特检验 怀特检验是通过建立辅助回归模型的方式