第四章1异方差.docVIP

第四章 经典单方程计量经济学 模型（放宽基本假定的模型： §4.1 异方差性 我们已学到了许多有用的计量经济分析方法，如建立模型、估计参数、假设检验、预测、非线性模型的线性化等。本章讲授违背基本假定一种情况：随机误差项序列存在异方差性。 目的与要求：掌握异方差的概念包括经济学解释，异方差的出现对模型的不良影响，诊断异方差的方法和修正异方差的若干方法；经过学习学生能够处理模型中出现的异方差问题。 本章讲授要点：异方差性的含义、产生后果、检验方法及补救措施 一、异方差的定义 对于线性模型 若对于不同的样本点，随机误差项的方差不再是常数，而互不相同，即 则认为该模型出现了异方差性(Heteroskedasticity)。 例4.1.1：截面资料下研究居民家庭的储蓄行为: Yi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入。 高收入家庭：储蓄的差异较大；低收入家庭：储蓄则更有规律性，差异较小；μi的方差呈现单调递增型变化 例4.1.2，以绝对收入假设为理论假设、以截面数据为样本建立居民消费函数： 将居民按照收入等距离分成n组，取组平均数为样本观测值。 高收入家庭：消费的差异较大；低收入家庭：消费则更有规律性，差异较小。 二、产生异方差性的原因 1、模型中缺少了某些解释变量 1）由于一些客观原因，使得某些重要的解释变量无法包括在模型中； 2）由于一些主观原因，在变量的选择上遗漏了某些重要的解释变量（设定偏误） 2、样本数据的观测误差 样本数据的观测误差常随时间的推移逐步积累； 或随着数据采集技术的改进，随机干扰项的方差减小。 注：除上述原因外，模型的函数形式不正确、异常值的出现等原因都可能产生异方差性。 三、异方差性的后果 （一）参数估计量无偏，但不满足有效性（用OLS估计） 考虑一个简单的（具有异方差性的）线性回归模型： 利用普通最小二乘法，可得回归系数的最小二乘估计量为： 1、该估计量为无偏估计： 证明： 2、参数估计量的方差非最小 OLS估计量仍然具有无偏性，但不具有有效性，因为在有效性证明中利用了。 以一元线性回归模型为例进行说明： 在模型中， 这是因为： （1） （2） （三）预测精度降低 异方差存在：参数的OLS估计的方差增大，造成对Y的预测误差变大，降低了预测的精度；用该统计量对参数进行区间估计时，将会产生偏误，使估计失真。 四、异方差检验 检验思路： 由于异方差性就是相对于不同的解释变量观测值，随机误差项具有不同的方差。那么： 检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。 问题在于用什么来表示随机误差项的方差 一般的处理方法： （一）图形分析法： 利用残差序列绘制出各种图形，以供分析检验使用。 1、解释变量为X 轴，残差的平方e2（或因变量Y、残差e）为Y轴的 散点图。 2、时间为X 轴，残差e 为Y 轴的残差序列图； 3、因变量估计值y 为X 轴, 残差e 为Y 的Y-e 散点图）。 (二) 帕克(Park)检验与戈里瑟(Gleiser)检验 格里瑟（H . Glejser）检验是残差回归检验法之一。它是用普通最小二乘法的残差的绝对值对各解释变量建立各种回归模型， 检验回归系数是否为零。 由于合适的回归形式未知 Glejser曾提出如下模型形式（大样本时选择上述5个模型能够得到满意的效果） （三） 戈德菲尔德-匡特(Goldfeld-Quandt)检验 Goldfeld-Quandt检验(样本分段法）——1972年提出 1）假定条件 a) 样本容量较大、异方差递增或递减的情况； b) 随机扰动项服从正态分布； c) 除了异方差外，其它的假定都满足。 2）检验的基本思路 a) 将样本按某个解释变量的大小顺序排列，并将样本分成三段 ； b) 用头（样本1）和尾部（样本2）分别拟合模型（作回归）； c) 比较产生的两个子样的残差平方和之比 （统计量），以此统计量来判断是否存在异方差。 3） G-Q检验具体步骤 a）将样本（观察值）按某个解释变量的大小排序； b）将序列中间（段）约 c = 1 / 4 个观察值除去，并使余下的头、尾两段样本容量相同，均为(n-c)/2 个； c）提出假设： d）分别对头、尾两部分样本进行回归，且计算各残差平方和分别为 并建立统计量 其中：k是估计参数的个数。 e）进行F检验 ，则拒绝原假设，认为存在异方差性；否则不存在异方差性。 （四）White 检验（大样本检验） 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）： 设