异方差与自关.docVIP

七、 异方差与自相关 一、背景 我们讨论如果古典假定中的同方差和无自相关假定不能得到满足，会引起什么样的估计问题呢？另一方面，如何发现问题，也就是发现和检验异方差以及自相关的存在性也是一个重要的方面，这个部分就是就这个问题进行讨论。 二、知识要点 1、引起异方差的原因及其对参数估计的影响 2、异方差的检验（发现异方差） 3、异方差问题的解决办法 4、引起自相关的原因及其对参数估计的影响 5、自相关的检验（发现自相关） 6、自相关问题的解决办法 （时间序列部分讲解） 三、要点细纲 1、引起异方差的原因及其对参数估计的影响 原因：引起异方差的众多原因中，我们讨论两个主要的原因，一是模型的设定偏误，主要指的是遗漏变量的影响。这样，遗漏的变量就进入了模型的残差项中。当省略的变量与回归方程中的变量有相关关系的时候，不仅会引起内生性问题，还会引起异方差。二是截面数据中总体各单位的差异。 后果：异方差对参数估计的影响主要是对参数估计有效性的影响。在存在异方差的情况下，OLS方法得到的参数估计仍然是无偏的，但是已经不具备最小方差性质。一般而言，异方差会引起真实方差的低估，从而夸大参数估计的显著性，即是参数估计的t统计量偏大，使得本应该被接受的原假设被错误的拒绝。 2、异方差的检验 （1）图示检验法 由于异方差通常被认为是由于残差的大小随自变量的大小而变化，因此，可以通过散点图的方式来简单的判断是否存在异方差。具体的做法是，以回归的残差的平方为纵坐标，回归式中的某个解释变量为横坐标，画散点图。如果散点图表现出一定的趋势，则可以判断存在异方差。 （2）Goldfeld-Quandt检验 Goldfeld-Quandt 检验又称为样本分段法、集团法，由Goldfeld和Quandt 1965年提出。这种检验的思想是以引起异方差的解释变量的大小为顺序，去掉中间若干个值，从而把整个样本分为两个子样本。用两个子样本分别进行回归，并计算残差平方和。用两个残差平方和构造检验异方差的统计量。 Goldfeld-Quandt检验有两个前提条件，一是该检验只应用于大样本（n30），并且要求满足条件：观测值的数目至少是参数的二倍； 二是除了同方差假定不成立以外，要求其他假设都成立，随机项没有自相关并且服从正态分布。Goldfeld-Quandt检验假设检验设定为：H0:具有同方差， H1:具有递增型异方差。具体实施步骤为： = 1 \* GB3 ①将观测值按照解释变量x的大小顺序排列。 = 2 \* GB3 ②将排在中间部分的c个（约n/4）观测值删去，再将剩余的观测值分成两个部分，每个部分的个数分别为n1、n2。 = 3 \* GB3 ③分别对上述两个部分的观测值进行回归，得到两个部分的回归残差平方和。 = 4 \* GB3 ④构造F统计量，其中 k为模型中被估参数个数。在H0成立条件下， = 5 \* GB3 ⑤判别规则如下， 若 F ￡ Fa (n2 - k, n1 - k), 接受H0（具有同方差） 若 F Fa(n2 - k, n1 - k), 拒绝H0（递增型异方差） 注意： ① 当摸型含有多个解释变量时，应以每一个解释变量为基准检验异方差。 ② 此法只适用于递增型异方差。 （3）Breusch－Pagan/Godfrey LM检验 该方法的基本思想是构造残差平方序列与解释变量之间的辅助函数，得到回归平方和ESS，从而判断异方差性存在的显著性。该检验假设异方差的形式为：其中是解释变量构成的向量，当时，模型是同方差的。 具体设模型为： 表示是某个解释变量或全部。 同样，该检验也可以通过一个简单的回归来实现。提出原假设为 ， 具体步骤如下： ①构造变量：用OLS方法估计方程中的未知参数，得 和 （n为样本容量） ②以为被解释变量，为解释变量进行回归，并计算回归平方和ESS。 构造辅助回归函数 ③构造LM统计量为：LM＝ 当有同方差性，且n无限增大时有 = 4 \* GB3 ④对于给定显著性水平 ，如果，则拒绝原假设，表明模型中存