计量经济学-5.pptVIP

* 第五章 异方差 一、异方差性问题(Heteroscedasticity) 在经典线性回归模型（CLRM）中，我们假定随即干扰项具有同方差性，即： ar(ui|Xi)=E[ui-E(ui)|Xi]2 = E(ui2|Xi]2 = ?2 这实际上是假定了解释变量Yi 的值围绕其期望值的分散程度相同。实际上，对应于解释变量的不同取值，方差可能不同，即本假定不成立。 X2 Y1 X1 Y2 Yn Xn . . . 同方差 Y1 X1 X2 Yn Xn . . . 异方差 或者说， 。 在这种情况下，称随机项ui 具有异方差性。 异方差的原因： 1、省略了重要的解释变量引起异方差。 2、模型形式设定不当,引起异方差。 3、统计资料误差引起异方差。 (时间序列数据中，观测技术的缺陷引起的观测值的误差。) 如果保持随机项的协方差为0，则 的协方差矩阵为： 二、异方差的后果 由于异方差性，基于CLRM假定的OLS估计参数结果将受到影响。 1、考虑异方差性的OLS估计 如果假定 ，保留其它的CLRM假定，以双变量回归模型为例，普通OLS估计为： 因此，估计量是线性无偏的，但不是最优估计量（具有最小方差性）。 2、参数的显著性检验失去意义 t、F检验都是在同方差下推出的，出现异方差，将失去意义。 3、预测精度降低（预测结果不可信） 三、异方差性检验 1、图示法 ①作回归； ②计算 ③作散点图 同方差 Xt 异方差 Xt 异方差 Xt 异方差 Xt 异方差 Xt 不能确定 Xt B C A F E D 2.斯皮尔曼（Spearman）等级相关系数检验 通过随机项的方差与解释变量的等级相关系数的显著性检验，判断是否存在异方差性。步骤： 这一检验的依据，其实就是检查随着因变量的变化，方差是否随之变化（等级差异意味着变动）。 例，设某种商品1982—1991年的销售量Y（万斤）与价格X（元）的统计资料如下表，试用Spearman等级相关系数法检验模型是否存在异方差性。 年份 Yi Xi X等级 1982 1.1 5.1 9 0.4994 0.6006 9 0 0 1983 1.3 3.4 7 1.8534 0.5534 8 -1 1 1984 1.3 3.6 8 1.6941 0.3941 6 2 4 1985 1.6 3.1 6 2.0924 0.4924 7 -1 1 1986 2.1 2.7 4 2.4110 0.3110 5 -1 1 1987 2.6 2.8 5 2.3313 0.2687 4 1 1 1988 2.4 2.6 3 2.4906 0.0906 1 2 4 1989 2.8 2.4 2 2.6499 0.1501 2 0 0 1990 3.1 2.1 1 2.8889 0.2111 3 -2 4 1991 3.5 2.1 1 2.8889 0.6111 10 -9 81 3、戈里瑟（Glejser）检验 4、帕克（Pack）检验 且能确定影响随机项的解释变量。 如果回归结果表明异方差与多个变量有关，可以引入多个变量进行回归，并进行检验。 戈里瑟（Glejser）检验的优点在于，在检验异方差的同时，可以得到异方差形式的信息（与解释变量的