4.1 异方差性.ppt

f ( X ji ) = X ji 3、帕克(Park)检验与戈里瑟(Gleiser)检验 通过建立残差序列对解释变量的（辅助）回归模 型，判断随机误差项的方差与解释变量之间是否存在 着较强的相关关系。 帕克检验和戈里瑟检验的基本思想： 2 X ji 为解释变量，建立如下方程： 2 选择关于变量Xji的不同的函数形式,如 f ( X ji ) = X ji 或 ?1 对方程进行估计并进行显著性检验。 f ( X ji ) = σ X ji e ln e = ln σ 2 + α ln X ji + ε i 帕克检验常用的函数形式： 2 α ε i 或 2 i 进行检验，若在统计上显著地异于零，表明存 在异方差性。 当然，由于 f ( X ji ) 的具体形式未知，因此需要进行各 形式的试验。 对方程进行估计并进行显著性检验。 对于上面的例1，我们利用帕克检验，运用 Eviews软件检验的步骤如下： data Y X LS Y C X genr LNE2=log(RESID^2) genr LNX=log(X) LS LNE2 C LNX Dependent Variable: LNE2 Method: Least Squares Date: 02/04/08 Time: 10:10 Sample: 1 28 Included observations: 28 Variable C LNX Coefficient -5.554862 1.674309 Std. Error 2.585463 0.351883 t-Statistic -2.148497 4.758142 Prob. 0.0412 0.0001 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.465460 0.444900 1.434460 53.49953 -48.79484 2.315009 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 6.679331 1.925320 3.628203 3.723360 22.63991 0.000064 2 i 利润函数存在显著的异方差性（只取α0） 4、戈德菲尔德-匡特(Goldfeld-Quandt)检验 因为帕克检验与戈里瑟检验的困难在于需要选择不 同的解释变量，尝试各种不同的函数形式，进行多次反 复试验，而且在进行试验的回归模型中，其随机干扰项 本身就可能不满足OLS的经典假设。G－Q检验则可以同 时克服这两大困难。 G－Q检验以F检验为基础，适用于样本容量大，异 方差为单调递增或单调递减的情况，其基本思想为： 先将样本一分为二，对子样①和子样②分别作回归， 然后利用两个子样的残差平方和之比构造统计量进行异 方差检验。 由于该统计量服从F分布，因此假如存在递增的异 方差，则F远大于1；反之就会等于1（同方差）、或小 于1（递减方差）。 G-Q检验的步骤： （1）将n组样本观测值按某一被认为有可能引起异方 差的解释变量观测值的大小排队； （2）将序列中间的c=n/4个观察值除去，并将剩下的观 察值划分为较小与较大的相同的两个子样本，每 个子样样本容量均为(n-c)/2 （3）对每个子样分别进行OLS回归，并计算各自的残 差平方和RSS1和RSS2。 2 2 1i 2i （自由度均为 2 （4）在同方差性假定下，构造如下满足F分布的统计量 ? k ? 1) n ? c 2 ? k ? 1, n ? c 2 ~ F ( ∑ ~22 ( n ? c ? k ? 1) 2 ∑ ~ 2 ( n ? c ? k ? 1) 2 F = e1i e i （5）给定显著性水平α，确定临界值Fα(v1,v2)， 若F Fα(v1,v2)， 则拒绝同方差性假设，表明存在异 方差。 当然，还可根据两个残差平方和对应的子样的顺序 判 断是递增型异方差还是递减异型方差。 在例1 的样本数据中，数据的个数n ＝28 ，c ＝n/4 ＝ 7，为了是两个子样本的容量相同，从中间去掉8个样本数