第11章 异方差性.pptVIP

BPG的步骤 1、回归得到原模型残差序列 2、计算ML方差 3、将每个残差平方项除以第2步的方差估计， 得序列Pi 4、做Pi对各Z的回归 5、计算ESS(解释的平方和)，定义θ=ESS/2 在无异方差情形下， θ服从自由度为（m-1）的卡方分布。 经济研究所 白万平教授 * White的一般异方差性检验 对于 回归关系. 经济研究所 白万平教授 * 对于 经济研究所 白万平教授 * 其他方法 ARCH检验 Harvey(对数) 等 经济研究所 白万平教授 * 6 补救措施 经济研究所 白万平教授 * 经济研究所 白万平教授 * 经典线形回归模型的一个重要假定是同方差性： PRF的干扰项 是同方差的（homoscedastic） 1 异方差的性质 异方差性是指， 的条件方差（= 的条件方差）随着X的变化而变化，用符号表示为： 见图 Fig. 11.2 经济研究所 白万平教授 * 经济研究所 白万平教授 * 经济研究所 白万平教授 * 1.1产生异方差的原因 按照边错边改学习模型（error—learning models)，人们的行为误差随时间而减少。见 Fig.11.3 随着收入的增长，人们在支出和储蓄中有更大的灵活性。在做储蓄对收入的回归中， 与收入俱增 随着数据采集技术的改进， 可能减小 异常值（outliers）的出现可能导致异方差性 见 Fig.11.4 经济研究所 白万平教授 * 回归模型的设定偏误：比如忽略了重要的解释变量，（如图11.5）如何选择？ 做商品的需求量对价格的回归时，没有将互补品或替代品的价格包括进来，会引起异方差问题 一个或多个回归元的偏态 其他原因（如数据不正确等） 更容易在截面数据中出现 经济研究所 白万平教授 * 经济研究所 白万平教授 * 经济研究所 白万平教授 * 经济研究所 白万平教授 * 2 出现异方差性时的OLS估计 对于双变量模型： 经济研究所 白万平教授 * 在经典模型的各种假定，包括同方差性假定在内，全部成立的情形下，OLS估计量是BLUE 后果:其他假定不变，同方差性假定不成立时，通常OLS估计量不再是BLUE。 （也有例外，G-M定理只为OLS的有效性提供了充分条件（非必要），而OLS有效性的充要条件则由kruskal定理给出） OLS估计量仍然是线性的和无偏的（因这两条性质都与方差无关），但是，不再是“最优的”或“有效的”，即 在线性无偏估计量一类中，不再具有最小方差 经济研究所 白万平教授 * 3 广义最小二乘法（GLS） GLS(generalized least squares)比OLS更多地利用了样本数据所提供的信息 经济研究所 白万平教授 * 即，转换后模型的干扰项满足同方差性假定，再用OLS方法，就可以得到BLUE估计量 ——这就是GLS方法，得到的是GLS估计量 经济研究所 白万平教授 * 经济研究所 白万平教授 * 经济研究所 白万平教授 * OLS和GLS的区别 因此，这里的GLS也被称为WLS（weighted least squares）。其实，GLS是更一般的方法，包括工具变量法等。 OLS的思想实质是最小化: GLS的思想实质是最小化: 经济研究所 白万平教授 * 经济研究所 白万平教授 * 4 出现异方差性时OLS的结果 考虑异方差性的OLS估计 如果我们仍然用 ，同时考虑异方差性而使用（11.2.2）给出的方差公式，则： 因为： 因此，利用 作出的置信区间将无谓地增大，t检验和F检验可能不准确 本来显著的系数可能变得统计上不显著了（t值过小） 经济研究所 白万平教授 * 忽视异方差性的OLS估计 在异方差性存在的情形下，我们不但使用了 ，而且使用的是（11.2.3）的方差公式，结果是： （11.2.3）所给出的 是有偏的，可能低估或高估 的真实的方差 置信区间，t检验和F检验也将不准确 戴维德和麦金农的一个蒙特卡洛实验。结果是无论是否考虑异方差性，OLS都高估了真实的标准差。 经济研究所 白万平教授 * 5 异方差性的判断 非正式方法 问题的性质 在涉及不均匀、异质性（heterogeneous）单元（国家、省份、企业、家庭）的横截面数据中，异方差性可能是一种常规，而不是例外 图解