第4章_异方差性.pptVIP

内容安排 4.1 异方差性的概念 4.2 异方差性产生的原因 4.3 异方差性产生的后果 4.4 异方差性的检验 4.5 异方差性的解决方法 4.6 案例 4.1 异方差性的概念 2. 异方差的类型 同方差性假定：?i2 = 常数 ? f(Xi) 异方差时： ?i2 = f(Xi) 附录 实际经济问题中的异方差性 例4.1.1：截面资料下研究居民家庭的储蓄行为 Yi=?0+?1Xi+?i Yi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入 4.2 异方差性产生的原因 1.模型省略了某些重要的解释变量； 2.模型函数形式设定有误； 3.由于样本数据测量误差引起的； 4.截面数据中总体各单位的差异； 随机因素的影响。 4.3 异方差性产生的后果 4.4 异方差性的检验 检验思路： EViews实现1 1.应用普通最小二乘法估计结果； 2.X-Y的散点图：打开组群group01，点击view→graph →scatter →XYpairs; 3.X~e2散点图：点击工作文件窗口中的Genr,在对话框中输入e=resid^2,重复Genr,输入lnx2=log(x2),工作文件窗口中新增序列e、lnx2，将lnx2和e以组群的形式打开，点击view→graph →scatter →XYpairs； 4.4.2 斯皮尔曼等级相关检验法 EViews实现2 1.Procs/Sort Seris → Sort Key/x2 → Ascending → OK； 2.检验一下：双击group01,然后关闭; 3.双击工作文件中的Sample,输入样本范围，双击group01 ，procs/make Equation，保存； 4.双击工作文件中的Sample,输入样本范围，双击group01 ，procs/make Equation，保存； 5. 6.α=0.05，查表F（n-c/2-k-1,n-c/2-k-1)； 7.FF α=0.05，存在异方差。 EViews实现3（帕克(Park)检验） 1.运用最小二乘法作基本回归； 2.Genr lne=log(resid^2), Genr lnx=log(x) ; 3. 对lne和 lnx运用最小二乘法作基本回归； 4. 对新的回归结果进行α=0.05的系数显著性检验（t检验）； 5.如接受原假设，即系数为0， lne和 lnx 之间无显著性相关关系，则不存在异方差。 EViews实现3（戈里瑟(Gleiser)检验） 1.运用最小二乘法作基本回归； 2.Genr e2=abs(resid), Genr x1=1\x, Genr x2=x^2, Genr x3=1\x^2, Genr x4=sqr(x), Genr x5=1\sqr(x), ; 3. 分别对e2与 x、x1、 x2、 x3、 x4、 x5运用最小二乘法作基本回归，并对回归结果进行α=0.05的系数显著性检验（t检验）； 4.如接受原假设，即系数为0，e2与 x、x1、 x2、 x3、 x4、 x5之间无显著性相关关系，则不存在异方差。 4.4.6 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）： EViews实现4 1.运用最小二乘法作基本回归； 2.View\Residul Test\White Heteroskedasticity(no cross term\cross term); 3. 找出统计量nR2= ； 4. α=0.05,查表χ2(q),辅助回归方程中含自变量项的个数； 5.比较nR2、χ2(q)，若nR2χ2(q)，则存在异方差。 4.5.1 模型变换法 1.模型变换法的定义： 模型变换法是对存在异方差的总体回归模型作适当的代数变换，使之成为满足同方差假定的模型，然后就可以运用OLS方法估计参数了。 2.模型变换法的关键 模型变换法的关键是事先对异方差 ?2i = ?2 f( xi )的形式有一个合理的假设。 怎样才能提出合理的假设呢？ （1）通过对具体经济问题的经验分析 （2）通过上述Glejser检验结果所提供 的信息加以确定 f(xi)的常用形式： 3.模型变换法的变换过程 4.举例 模型检验出存在异方差性，可用加权最小二乘法（Weighted Least Squares, WLS）进行估计。 EViews实现4 1.运用最小二乘法作基本回归； 2.Genr e2=abs(resid), Genr x1=1\x, Genr x2=x^2, Genr x3=1\x^2, Gen