最新第五章异方差性.pptVIP

3.提出假设 4.计算统计量 为样本容量， 为辅助回归可决系数 在大样本情况下可以证明，在零假设成立下， 的自由度p为辅助回归中斜率系数的个数， 服从自由度为p的 分布，即 在本例中p=5，即 （自由度“p”是辅助回归中解释变量的个数) 5.检验 给定显著性水平 ，查 分布表得临界值 ，如果 ， 不合理，则拒绝原假设 ，即认为模型中随机误差存在异方差 。 如果 则不拒绝 ，即认为模型中随机误差是同方差。 White检验的特点 ● 要求为大样本 ● 不仅能够检验异方差的存在性，同时在多变量的 情况下，还能判断出是哪一些变量引起的异方差。 四、 ARCH检验 什么是ARCH(autoregressive conditionanl helecosecdasticity自回归条件异方差）过程？ 对于时间序列模型,若存在的异方差为以下形式: 称为ARCH过程, p为ARCH过程的阶数, 为随机误差。 并且 基本思想： ●时间序列数据中可认为存在的异方差性为 ARCH过程： ●可以检验ARCH过程是否成立去判断是否存在异方差。 ●因各个 均未知，用对原模型OLS估计的剩余项的平 方 去近似估计， ? 1. 估计参数并计算 用OLS法估计原模型参数，求出残差 ，并计算 残差平方序列 ，以分别作为对 的估计。 2.作ARCH过程辅助回归 计算辅助回归的可决系数 3.提出原假设 ARCH 检验的基本步骤 计算统计量辅助回归的可决系数 与 的乘积 ，在 成立时，可以证明基于大样本，统 计量 渐近服从 分布，即 给定显著性水平 ，查 分布表得临界值 ●如果 ，则拒绝 ， 说明ARCH过程成立，表明模型存在异方差。 ●如果 ，则不拒绝 ， 说明ARCH过程不成立，表明模型不存在异方差。 4.检验 ARCH检验的特点 ●适于时间序列数据 ●变量的取值为大样本， ●只能判断模型中是否存在异方差，而不能诊断出哪一个变量引起的异方差。 五、 Glejser检验 检验的基本思想和方法 ?用OLS回归得残差 ，取其平方 或绝对值 ?探索将 或 对某解释变量 的各种函数形式回归： 或 例如， (寻找最适当的函数形式) ?分别检验回归系数的显著性： 若回归系数显著，就说明存在异方差； 若回归系数都不显著，就认为是同方差 检验的特点 不仅能对异方差的存在进行判断，而且还能对异方差随某个解释变量变化的函数形式 进行诊断。 该检验要求变量的观测值为大样本。 问题： ● 或 与 回归的函数形式事实上不可能一 一 找完。 ● 回归的误差项 本身可能出现均 值不为0、自相关、异方差 ● 一般只可用于大样本的情况 第四节??异方差的修正 一、 对原模型加以变换 基本思想： 原模型为 ● 的异方差性与 的变化有关，假定 其中的 为常数 ●如果以 去除原模型两边，将模型变换为 变换后的模型的扰动项 是同方差的，因为 具体作法： 对 的函数形式可作出各种假定， 例如： 注意：● 的函数形式可参考图形分析法或Glejser法去确定 ●模型变换可能引起变量出现“虚构的”的相关关系 ●对原模型变换后的拟合优度可能变小，这是对观测值加权的结果 函数形式  二、 加权最小二乘法(WLS) 基本思想： ●用OLS法估计参数时，因为是同方差，不论 的大小同 等