本科经济计量学第9章(第4版)幻灯片.ppt

第9章 异方差:如果误差方差不是常数会有什么结果 9.3.5 White检验(White’s General Heteroscedasticity Test) 对模型 Yi=B1+B2X2i+B3X3i+ui White 检验步骤如下： 用普通最小二乘法估计上面回归方程，得到残差ei。 作辅助回归： ei2=A1+A2X2i+A3X3i+A4X2i2+A5X3i2+A6X2iX3i+vi 求辅助回归方程的R2值。因为此R2值与样本容量(n)的乘积服从 分布，自由度等于该方程中解释变量的个数(不包括截距项)。 计算 统计量，进行假设检验。（零假设：不存在异方差） 例9.5 工资回归与怀特的一般异方差检验 继续回到模型(9-3)，怀特异方差检验的回归结果如下： （在Eviews中White检验的操作较为简单，只需要在(9-3)的回归输出结果中用View－Residual Test-White Heteroskedasticity即可。） 0.046542 Prob(F-statistic) 2.016101 Durbin-Watson stat 2.269163 F-statistic -2923.447 Log likelihood 11.25134 Schwarz criterion 2193993. Sum squared resid 11.20247 Akaike info criterion 65.14369 S.E. of regression 65.53846 S.D. dependent var 0.012011 Adjusted R-squared 21.25480 Mean dependent var 0.021474 R-squared 0.1966 1.293039 0.020969 0.027113 EXPER^2 0.4640 -0.732760 1.912126 -1.401130 EXPER 0.8309 0.213591 0.104117 0.022239 EDUC*EXPER 0.5753 0.560865 0.300676 0.168639 EDUC^2 0.8970 -0.129492 9.137968 -1.183296 EDUC 0.8403 0.201591 71.34726 14.38296 C Prob. t-Statistic Std. Error Coefficient Variable Method: Least Squares Dependent Variable: RESID^2 Test Equation: 0.046987 Probability 11.23102 Obs*R-squared 0.046542 Probability 2.269163 F-statistic White Heteroskedasticity Test: White检验的一个缺陷是它太一般化了。如果有好几个解释变量的话，则在回归方程中要包括这些变量，变量的平方(或者更高次幂)以及它们的交叉乘积项，这会迅速地降低自由度。 因此，在引入太多变量时，必须谨慎一些。有时，我们可以去掉变量的交叉乘积项。 9.3.6 异方差的其它检验方法 (1)斯皮尔曼(Spearman)秩相关检验 (2)戈德费尔德－匡特(Goldfeld-Quandt)检验 (3)巴特莱特(Bartlett)方差同质性检验 (4)匹克(Peak)检验 (5)布鲁尔什－培甘(Breusch-Pagan)检验 (6)?CUSUMSQ检验 9.4 异方差的补救措施 返回首页 我们在前面已经看到，异方差的存在并不破坏普通最小二乘法估计量的无偏性，但是估计量却不再是有效的，即使对大样本也是如此。缺乏有效性，就使通常假设检验中检验统计量的值不可靠。 因此，如果怀疑存在异方差或者已经检测到了异方差的存在，就应该寻求补救的措施。 补救方式取决于 ( 1 )误差方差的真实值 是已知的 ( 2 )误差方差的真实值 是未知的。 9.4.1 加权最小二乘法(WLS) ——误差方差的真实值 已知情形下 对模型 Yi=B1+B2Xi+ui 如果异方差 是已知的，可对原模型两边同除以 ，得到： 令 得到的模型： 满足同方差性。注意，这是一个无截距项的三变量回归模型。 9.4.2 加权最小二乘法(WLS)