计量经济学第六章异方差性1.pptVIP

第六章 异方差性 出现异方差性时的OLS估计 异方差性的检验 异方差性的修正 一、出现异方差时的OLS估计 如果 ，则存在异方差。 以一元线性回归为例：yi=?0+?1xi+?i 二、异方差性的侦察 非正式方法： 根据所研究问题的性质就可作出定性判断。 残差分析：通过残差散点图，检查 是否呈现任何系统样式 以因变量的拟合值 ?（或某个解释变量）为横坐标，残差平方为纵坐标，将n个样本点的值描在坐标系中。根据这n个点的分布情况，可以寻找模型错误或方差不相同的证据。 残差散点图例 二、异方差性的侦察 正式方法：检验随机误差项的方差与解释变量观测值之间的相关性。 帕克（Park）检验 先做OLS回归，不考虑异方差性问题。 从OLS回归中获得 ，作下述回归： 二、异方差性的侦察 斯皮尔曼（Spearman）等级相关检验 做OLS回归求出残差ei 将︱ei︱和xi分别排秩，然后计算斯皮尔曼等级相关系数rs 计算t统计量: 例1 等级相关检验 估计组合证券理论中的资本市场线： Ei=?1+?2?i+?i 其中：Ei组合证券的预期回报率，?i是回报的标准差。数据如表。做异方差检验。 步骤： 结果： rs=0.333 n=10 检验统计量： 二、异方差性的侦察 格莱泽（Glejser）检验 二、异方差性的侦察 怀特（White）的一般异方差性检验 以二元回归为例： yi=?1+?2x2i+?3x3i+?i 三、 已知时的异方差修正 以一元回归为例： yi=?1+?2xi+?i 用?i除上式得： 四、 未知时的异方差修正 当误差项方差随一个自变量变化 仍以一元回归为例： yi=?1+?2xi+?i 四、 未知时的异方差修正 例 美国产业RD支出与销售量 1988年美国18个工业群体相对于销售量的RD费用如表，研究RD支出与销售量的关系。 RDi=?0+?1salei+?i 同方差假设检验 1、Park检验 同方差假设检验 2、Glejser检验 异方差的修正 四、 未知时的异方差修正 White的异方差-一致估计量 异方差的存在使OLS的方差估计既有偏又不一致，使我们的统计推断不再合理。White提出一个获得OLS方差和协方差一致估计的方法——异方差-一致估计量(Heteroskedasticity-consistent covariance)。以此为基础做假设检验，比OLS好。 此方法对大样本情形成立。 四、 未知时的异方差修正 White的异方差-一致估计量例：仍用美国RD支出例。 * * 仍是线性无偏估计量 回归系数的OLS估计仍是线性无偏估计量，但不再有效。回归系数的OLS估计的置信区间以及通常的t和F检验无效。 即在同方差假设下的计算值，是实际方差的有偏估计 无趋势，满足假定。 误差随 的增加而增加 0 0 0 误差呈规律性变化，原因可能是模型不适合，也可能是缺少某些重要值变量 0 如果?统计上显著，就表明数据中有异方差性，如果不显著，则可接受同方差假设。 服从n-2的t分布 如果t大于临界值，则可认为存在异方差，否则，接受同方差假设。 t不显著，可认为不存在异方差。 对大样本一般能给出令人满意的结果 怀特检验步骤如下： 对给定数据作OLS估计，并获得残差。 作如下辅助回归： 可引入高次方项 3. 求辅助回归的R2，则 n·R2～?2 渐进服从自由度等于辅助回归元个数的?2分布，本例中有5个回归元，故有5个自由度。如果n·R2显著，则原回归有异方差性。 对上式进行OLS估计，即最小化如下函数： 就可得到?1,?2的最优线性无偏估计，因为： ——加权最小二乘法 注意： 新方程的截矩项和斜率系数与原方程对调了 注意：新方程是 一个过原点回归 无法拒绝同方差性 t = (0.8525) (2.0931) R2 = 0.2150 t = (-0.5032) (2. 3704) R2 = 0.2599 t = (3.7601) (-1.6175) R2 = 0.1405 ① ② ③ ①和②表明，可以拒绝同方差性（存在异方差） 两个斜率系数的估计值相差不大 两个r2不能直接相比 OLS估计： 异方差-一致估计 *