第8讲 异_方差性.pptVIP

第八讲 异方差性 Heteroskedasticity 一、异方差性对于OLS估计的影响 二、稳健性检验 三、对是否存在异方差性的检验 四、加权最小二乘估计 异方差性 回忆：经典线性模型（CLM）的假定 异方差性 同方差性（homoscedasticity）：误差项的条件方差相同 异方差性（heteroscedasticity）：误差项的条件方差不相同 异方差性 同方差性 异方差性 异方差性 异方差性 异方差性 异方差性对OLS估计的影响 回归系数的OLS估计量仍然是无偏的、一致的，并且不影响R2和调整的R2 回归标准差的估计不再是无偏的，从而回归系数OLS估计量的方差估计不再是无偏的， OLS估计量不再是有效的和渐近有效的 t统计量不服从t分布，F统计量也不服从F分布，从而无法进行假设检验和区间估计，也无法进行区间预测 如何解决可能存在的异方差性？ 两种方法 其一，异方差性不影响OLS估计量的无偏性和一致性，只影响OLS估计量的方差估计，因此，如果能找到一种方法（不同于OLS估计）正确地估计出OLS估计量的方差，那么同样可以进行假设检验。这种方法称为稳健性检验 其二，首先检验是否存在异方差，如果不存在，可以使用OLS估计；如果存在异方差，使用另外一种估计方法（即加权最小二乘估计，WLS） 稳健性t检验 异方差性不影响OLS估计量的无偏性和一致性，只是影响O