第七章异方差模型精品.pptVIP

第七章 异方差模型 本章内容： 普通回归中的异方差 时间序列中的条件异方差模型简介 使用Eviews建立ARCH模型 第一节 异方差的概念 一. 异方差的性质 随机误差项的方差受到解释变量的影响，随解释变量取值的变化而变化，称随机误差项存在异方差。 同方差性(Homoskedasticity)：等同的(home)分散程度(skedasticity); 随机扰动项ui对每一个样本点的方差是一个常数 异方差性(Heteroskedasticity). 同方差 异方差 二、产生异方差的原因 模型中省略了对被解释变量有影响的解释变量 模型中变量观测值的测量误差 对被解释变量有影响的各种随机因素 异方差性还会因为异常值(outliers)的出现而产 生。 Example 1 对收入低的家庭，收入中扣除必要的生活费支出外，用于其他支出和消费的部分也较小，随机项波动程度小，即方差小 对收入高的家庭，收入中扣除必要的生活费支出外，用于其他支出和消费的部分也较大，随机项波动程度小，即方差大 因此，随机误差项的方差随解释变量（收入）的增加而递增 Example 2 对规模小的企业，在一定的劳动投入和资金投入下，产出的波动幅度小，随机项的方差小 对规模大的企业，在一定的劳动投入和资金投入下，产出的波动幅度大，随机项的方差大 随机误差项的方差随企业规模增大而递增 Example 3 20个国家在第二次世界大战后直至1969年期间的股 票价格(y)和消费者价格(x)的百分率变化的散点图sample5.311 异方差的产生 a)变量为时间序列数据的模型可能产生异方差 例：1951年至1998年我国商品零售物价指数s和居民消费 价格指数x。Sample5.312 b)变量为截面数据的模型更常出现异方差 第二节 出现异方差时的OLS估计 参数的OLS估计仍然是线性无偏的，但不是最小方差的估计量 t检验失效 降低预测精度：由于异方差，会使得OLS估计的方差增大，从而造成预测误差变大，降低预测精度。 1、参数的OLS估计仍然是线性无偏,但不是最小 方差的估计量 2、t 检验失效 第三节 异方差的检验 一、非正式方法 1、问题的性质：根据所考虑问题的性质来判 断是否会遇到异方差性。例如:在投资与销售量、 利率等的关系的横截面分析中，如果样本同时含 有小、中和大型厂家，一般都预期有异方差存在. 2、图示法 Eviews步骤： quick/graph,在随后的对话框中输入残差序列名和因变量名 从Graph type中选Scatter Diagram 如果残差的绝对值分布比较随机，无明显规律，可判定不存在异方差。 例：sample5.313的消费支出Y和收入X数据的异方差图检验。 二、正式方法1 Goldfeld-Quandt检验 建立两个子样本：按大小排列样本观测值，去除中间c个观测值（c一般为样本容量的1/4到1/3） 原假设（同方差）： ； 备择假设（异方差）： 分别对两个子样本利用最小二乘估计进行回归，得出残差平方和 选择统计量： 若 拒绝H0，存在异方差；若 ，接受H0 ，同方差 例：sample5.314的消费支出Y和收入X数据的异方差 的戈德菲尔德-匡特检验。 1、按X升序排序 2、去掉居中的4个观测 3、对头13个观测值作回归 对末13个观测值作回归 4、计算统计量 5、查表5%显著水平的F临界值为2.82，故否定原假设，认为存在异方差性。 2 、Glejser检验 基本思想：看看残差与解释变量是否存在因果关系 方法： 对残差 和解释变量Xi进行各种形式的回归分析（最小二乘估计） 如果某种回归形式的拟合优度高，系数的t检验显著，说明 受到Xi的影响，即存在异方差 3、 Spearman等级相关系数检验 利用最小二乘法进行回归分析，计算残差 原假设：同方差；备择假设：异方差 对解释变量Xi和 分别按从小到大的顺序排列，并赋予1到n中的一个顺序号表示其等级 对每个下标i，计算Xi和 的等级差di 计算等级相关系数 计算统计量 当 ，等级相关系数不明显，接受原假设，同方差；否则存在异方差 4 White检验 1）、利用最小二乘法进行回归，计算残差 2）、将 关于各解释变量、各解释变量的平方、两两解释变量的乘积利用最小二乘法作回归分析。 3）、计算white检验的统计量 4）、若 拒绝H0，存在异方差；若 ，接受H0 ，同方差。其中k是除常数项以外的回归系数的个数。