第三节 异方差性0811.23.pptVIP

一、异方差性及其后果 1、异方差性的概念 （3）测量误差的变化 样本数据的观测误差有可能随研究范围的扩大而增加，或随时间的推移逐步积累，也可能随着观测技术的提高而逐步减小。 （4）随机因素的影响 一般而言，影响一种事物变化的随机因素在不同的时间或空间其种类和作用的程度或方向是不同的，这也会导致方差的变化。 例1：截面资料下研究居民家庭的储蓄行为: Yi=b0+b1Xi+?i Yi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入。 3、异方差性的后果 计量经济学模型一旦出现异方差性，如果仍采用OLS估计模型参数，会产生下列不良后果： （1）参数估计的非有效性 （2）参数显著性检验不可信赖 （1）参数估计的非有效性 同方差假定是OLS估计方差最小的前提条件，所以随机误差项是异方差时，将不能再保证最小二乘估计的方差最小。用公式说明如下： 二、异方差性的检验 1、图形法 2、戈德菲尔德－匡特（Goldfeld-Quandt）检验 3、怀特（White）检验 1、图形法 2、戈德菲尔德－匡特（Goldfeld-Quandt）检验 特点：检验递增性(或递减性)异方差。 基本思想：将样本分为三部分，然后分别对两边的两个样本进行回归，并计算两个子样的残差平方和所构成的比，以此为统计量来判断是否存在异方差。 检验的前提条件： 第一，要求检验使用的数据为大样本。 第二，除了同方差假定不成立外，其它假定均满足。 检验的具体步骤： （1）排序（sort x） 将解释变量的取值按从小到大排序。 （2）数据分组 先将数据分为大致相等的三个样本，将排列在中间的一个样本删除掉，记为c，其余两个部分观察值的个数为(n-c)/2。 （3）提出假设 即 ： （4）构造F统计量 分别对上述两个部分的观察值求回归模型，由此得到的两个部分的残差平方为 和 。 为前一部分样本回归产生的残差平方和， 为后一部分样本回归产生的残差平方和。 它们的自由度均为[(n-c)/2]-k-1，k为解释变量的个数。 在原假设成立的条件下，因 和 均为自由度 [(n-c)/2]-k-1的 分布，可导出： 给定显著性水平 ，查F分布表得临界值 ,计算统计量 如果F＞ 则拒绝原假设，接受备择假设，即模型中的随机误差存在异方差。 ● 要求大样本 ● 异方差的表现既可为递增型，也可为递减型 ● 检验结果与选择数据删除的个数c的大小有关 ● 只能判断异方差是否存在，在多个解释变量的情况下，对哪一个变量引起异方差的判断存在局限。 3、怀特（White）检验 （1）基本思想 不需要关于异方差的任何先验信息，只需要在大样本的情况下，将OLS估计后的残差平方对常数、解释变量、解释变量的平方及其交叉乘积等所构成一个辅助回归，利用辅助回归建立相应的检验统计量来判断异方差性。 （2）检验的特点 ● 要求变量的取值为大样本 ● 不仅能够检验异方差的存在性，同时在多变量的情况下，还能判断出是哪一个变量引起的异方差。 检验的基本步骤 以一个二元线性回归模型为例，设模型为： 并且，设异方差与 的一般关系为: 其中 为随机误差项。但是在实际分析中总体是未知的，只能用样本的资料进行估计，具体步骤如下： 1、加权最小二乘法 2、广义最小二乘法 1、加权最小二乘法 2、广义最小二乘法 所以有： 4、模型的对数变换 在经济意义成立的情况下，如果对模型： 作对数变换，其变量Yt和Xt分别用lnYt和lnXt代替，即： 对数变换后的模型通常可以降低异方差性的影响： ◆运用对数变换能使测定变量值的尺度缩小。 ◆经过对数变换后的线性模型，其残差表示相对误差往往比绝对误差有较小的差异。 本 节小 结 ◆异方差性是