计量经济学异方差例析.pptVIP

计量经济学 第二讲 异方差问题 本章将探讨存在异方差时，对参数估计产生的影响，以及检验和克服的方法。 （1）假定条件的回顾 （2）异方差的概念 （3）异方差的表现和原因 （4）异方差的后果 （5）异方差的检验 （6）克服异方差的方法 （7）案例分析及Stata操作 1、假定条件的回顾 在应用普通最小二乘法OLS对线性回归模型进行估计时，要得到 最佳线性无偏估计，需要满足以下假设条件： （1）随机误差项的期望值为零 （2）随机误差项服从正态分布 ～ 1、假定条件的回顾 （3）随机误差项彼此之间不相关 （4）解释变量X 与随机误差项不相关 （5）解释变量之间不存在精确的（完全的）线性关系，即样本观测值矩阵X 是满秩矩阵 1、假定条件的回顾 （6）对于解释变量X的所有观测值，随机误差项具有相同的方差 只有模型的全部假定条件都满足时，用OLS估计才具有最佳性无偏特征，当一个或多个假定不满足时，OLS估计将丧失上述特征。 本章将探讨同方差假设不被满足时（其他假设满足），对参数估计产生的影响，以及检验和克服的方法。 2、异方差的概念 同方差： 矩阵形式 ， 其中 为常数 异方差： 矩阵形式 2、异方差的概念 同方差： 异方差： u的密概率度 u的密概率度 常见的几种情况 3、异方差的表现和原因 产生异方差的原因（举例） 3、异方差的表现和原因 （1）与研究问题的特性有关。例如，研究在单位时间内打字出错个数与打字练习的小时数之间的关系。 （2）随着收入的增加，人们如何支配他们收入有更大的选择范围。如在研究储蓄与收入的关系时，高收入群体在储蓄上的差异往往大于低收入群体。 （3）由于统计技术的差距。如不同国家或企业等个体，由于统计技术的差距产生的误差有很大差异。 （4）异常值的出现可能导致异方差。 （5）回归模型中没有包含重要影响因素（导致误差项中包含了重要影响因素，该因素的数据特征会影响误差项） （6）不恰当的回归函数形式（不能很好拟合，造成残差变动） 4、异方差的后果 （1）存在异方差时，OLS估计量仍具有线性性和无偏性。 证明：由普通最小二乘法得 的估计量 由于 是Y 的一次函数，显然 是关于Y 线性的。 又因为 所以， 仍是 的无偏估计。 4、异方差的后果 （2）存在异方差时，OLS估计量不再具有有效性。 证明：求 的方差-协方差矩阵 4、异方差的后果 （2）存在异方差时，OLS估计量不再具有有效性。 异方差时： 同方差时： 可见，存在异方差时， 不再是 的方差-协方差矩阵的正确计算公式。通过计算机模拟可以表明，当存在异方差时， 的元素会夸大或缩小真实的方差和协方差，因此， 的有效性不能得到保证。 由此会导致， 的相关检验和置信区间失效，进而引起预测失效。 （1）图示法：初步观察 利用模型的残差对解释变量的散点图观察异方差。  如一个模型的残差对解释变量的散点图如下图，则随机误差项中存在异方差。 5、异方差检验 （2）怀特（White）检验 5、异方差检验 （1） 对（1） （1） （2）怀特（White）检验 5、异方差检验 其中，T表示式（1）对应的样本容量， 是辅助回归式的OLS 估计的可决系数。自由度5表示辅设回归时中解释变量的项数（注意：不包括常数项）。 （3） 5、异方差检验 （3） 5、异方差检验 （4） 5、异方差检验 缺点： 由于回归式是探测性的，如果试验模型选择得不好，则可能检验不出是否存在异方差。 （1）将数据取自然对数以消除异方差（最简单和常用的方法） 6、克服异方差的方法 （2）加权最小二乘法 6、克服异方差的方法 在实际问题分析中，如得到的残差对解释变量的散点图如右图所示， （2）加权最小二乘法 6、克服异方差的方法 如得到的残差对解释变量的散点图如右图所示， 7、案例分析（Stata操作） 案例：考察1986年中国29个省市自治区农业产值 （亿元）和农作物播种面积 （万亩）的关系。数据如下： 7、案例分析（Stata操作） Stata操作：命令 reg y x