第五章-4 异方差的解决方法.pptVIP

* 补救异方差的基本思路： 变异方差为同方差； 尽量缓解方差变异的程度 为了补救异方差造成的（不再具有最小方差； 参数的显著性检验失效；预 测精度降低）的严重后果 方法： 一、加权最小二乘法 二、对原模型变换的方法 三、“一般解决法”（模型的对数变换） 1、加权最小二乘法的思路 根据离差平方和最小建立起来的OLS法 同方差时：认为各 ei 提供信息的重要程度是一致的，即将各样本点提供的残差一视同仁。 异方差时：离散程度大的ei 对应的回归直线的位置很不精确，拟合直线时理应不太重视 们提供的信息。即 Xi 对应的 ei 偏离大的所提供的信息贡献应打折扣，而偏离小的所提供的 信息贡献则应于重视。因此采用权数对残差提供的信息的重要程度作一番校正，以提高估计 精度。这就是 WLS（加权最小二乘法）的思路。 2、加权最小二乘法的机理 以递增型为例。设权术WI与异方差的变异趋势相反，如 （Wi使异方差经受了“压缩”和“扩张”变为同方差） . （权数相等）， WLS 是OLS法。 3、加权最小二乘法的定义 模型估计的加权最小二乘法，即求满足 4、加权最小二乘法在EViews上的实现 例：假定以序列XH为权术，在EViews中，可以在LS命令中使用加权处理方式来完成加权的最小二乘法估计： LS （W=XH） Y C X EViews中有加权最小二乘法的命令 LS （W=权数名）Y C X LS // Dependent Variable is CHX Weighting series: SHRW Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error T-Statistic Prob. C -571.8496 105.8066 -5.404667 0.0000 SHR 0.076623 0.006294 12.17389 0.0000 Weighted Statistics R-squared 0.501807 Mean dependent var 877.7359 Adjusted R-squared 0.484628 S.D. dependent var 423.6204 S.E. of regression 304.1144 Akaike info criterion 11.49715 Sum squared resid 2682082. Schwartz criterion 11.58966 Log likelihood -220.1929 F-statistic 29.21043 Durbin-Watson stat 1.149682 Prob(F-statistic) 0.000008 WLS处理结果 UnWeighted Statistics WLS处理后的残差图 2、模型变换法的关键是： 二、对原模型变换的方法 1、模型变换法的定义 模型变换法是对存在异方差的总体回归模型作适当的代数变换，使之成为满足同方 差假定的模型 , 进而运用OLS方法估计参数。 通过对具体经济问题的经验分析，事先对异方差 的形式有一个合理的假设。 3、原模型变换法的过程 若异方差情形是 ， 则对原模型进行变换，即用 去乘以模型的两边，变换后的模型具有同方差性。 （注：对原模型变换的方法与加权最小二乘法是等价的，最多相差一个常数因子） 5、常用变换举例