计量经济学叶春辉4.pptVIP

计 量 经 济 学 基 础 授课教师： 叶春辉 浙江大学远程教育学院 2008年1月 第4章 异方差 主要内容 第一节 异方差的性质是什么？ 第二节 它的后果是什么？ 第三节 怎样去侦察它？ 第四节 有什么补救措施？ 第一节 异方差性 同方差性 异方差性 第二节 异方差的后果 第三节、异方差性的检验 第四节 加权最小二乘法（补救措施） * * 对于模型: 或 同方差假设为： ，如果出现： 即对不同的样本点，随机误差项的方差不再是常数，而是各不相同，则认为出现了异方差。在数学上表现为： 密度 密度 例如：储蓄函数 研究家庭收入与储蓄之间的关系。用xi表示第i个家庭 的收入量， yi表示第i个家庭的储蓄量。假设这种关系是线性 关系．因而储蓄函数模型可以表示为: 在这一问题中，收入低的家庭．他们除了必要的支出之外剩余 较少，为了某种目的而储蓄(例如购买高档商品)，因此，他们储蓄 较有规律，差异较小。收入高的家庭．除了必要支出之外剩余较多， 随意支配部分就较大，因此．他们的储蓄额的多少随意性也较大． 即储蓄额的差异较大。所以，对于家庭储蓄函数模型．随机项具有异方差性。 又如：现有1995年北京市规模最大的20个百货零售商店的商品销售收入和利润总额资料如表前三栏所示。如果用商品销售收入作为解释变量x，用利润总额作为被解释变量y，则可建立起利润总额对销售收入的线性回归模型： 表 北京市20家最大百货商店销售资料 (1995年) 单位：干万元 利用普通最小二乘法，根据表中的数据，可估计出该回归方程为(模型式下括号中的数字为相应估计量的标准误)： 根据此回归方程可计算出各商店利润总额的回归估计值和残差如 表的后两栏。将销售收入xi作为横坐标，残差 作为纵坐标，可作出残差图(如图所示)。该残差图的形状象一个喇叭，由此可以看出，销售收入小的商店，其残差一般也较小；而销售收入大的商店，其残差一般也较大；残差有随着商店规模增大而增大的倾向。这表明，不同规模的商店，其利润总额的方差是不相同的，从而模型中随机误差的方差不是常数，这里存在着异方差现象。 在实际问题中出现异方差性的例子很多．对回归模型中异方差现象的研究，是经济计量学中的一个重要内容。 为什么会产生这种异方差性呢? 一方面是因为随机项包括了观察测量误差和模型中被省略的一些因素对被解释变量（因变量）的影响，另一方面来自不同抽样单元的因变量观察值之间可能差别很大。因此、异方差性多出现在横断面样本之中。至于时间序列，则由于因变量观察值来自不同时期的同一样本单元．通常因变量的不同观察值之间的差别不是很大。所以异方差性一般不明显。 当出现异方差而又使用普通的最小而乘法，则会出现如下后果： 1、参数估计量非有效性 若使用OLS法，此时得到的残差向量的方差协方差矩阵为 即 最小二乘估计为： 因而使用OLS 法，得到的估计量是无偏的，但不是有效的。 2、参数的显著性检验失去意义 因为在前面讨论的t统计量和F统计量都利用到了 但是如果出现了异方差而一味采用惯常的检验程序，将导致检验及区间估计的偏误。 3、模型的预测失效 一个重要的问题是：怎样知道在一个具体的情况中是否有异方差？实际中并不存在侦破异方差性的严明法则，只有少数的经验规则。我们介绍几种： 1、图解法 如果对异方差性的性质没有任何先验或经验信息，实际上，可先在无异方差性的假定下作回归分析，以解释变量为横坐标，以残差平方为纵坐标得出二维散点图，从图中判断二者的相关性。这是非正式的方法，不够精确。 可能存在异方差 可能没有异方差 2、Goldfeld-Quandt检验法（1965） 这种检验方法仅适用大样本情形(N＞30)，要求满足条件： ①观测值的数日至少是参数的二倍；②随机项没有自相关并且服从正态分布。 此检验方法的基本思想是异方差性的常见形式之一是 具有递增方差。由于 的方差估计为 所以判断 是否有递增方差可以通过判断 是否显著变大来实现。依据这个简单的想法，提出了F检验的检验方法，