异方差检验及修正解剖.ppt

异方差检验及修正 检验异方差的步骤是先在同方差假定下估计回归方程，然后再对得到的的回归方程的残差进行假设检验，判断是否存在异方差。Eviews提供了怀特(White)的一般异方差检验功能。 零假设： 原回归方程的误差同方差。 备择假设：原回归方程的误差异方差 异方差检验及修正 我们利用上次的nnn文件中的实例数据进行分析。 具体步骤： 1．OLS拟合：首先对数据进行回归分析，在工作文件主显示窗口选定需要分析的回归方程\打开估计方程及其统计检验结果输出窗口(见下图一)。 异方差检验及修正 异方差检验及修正 2．图示法：点击上图工具栏中的View\Actual,Fitted,Residual\Actual,Fitted,Residual Graph得到残差变化图（图二）。 异方差检验及修正 3．White检验：View\Residual Tests \White Heteroskedasticity (no cross terms)或White Heteroskedasticity (cross terms)，可得到辅助回归方程和怀特检验统计量－即F统计量、统计量的值及其对应的p值（图十七）。由显示结果可以看出：在5％显著水平下我们拒绝原假设（p值小于给定的显著水平），回归方程的误差项是异方差的。值得重申的是：虽然上图中的信息告诉我们回归方程拟和优度，但我们还应该对其进行经济计量学检验，以确定其是否满足古典假设。 异方差检验及修正 异方差检验及修正 White Heteroskedasticity(no cross terms)与White Heteroskedasticity(cross terms)选项的区别在于：在no cross terms选项下得到的辅助回归方程中不包含原回归方程左手变量的交叉乘积项作为解释变量；而cross terms选项下得到的辅助回归方程中包含原回归方程左手变量的交叉乘积项作为解释变量。在我们使用的一元回归例子中，这两个选项的作用没有区别。当我们分析多元回归模型的异方差问题时，因为所选辅助回归方程的解释变量不同，这两个选项的作用就不同了。 异方差检验及修正 4．加权最小二乘法 我们仍然使用nnn文件的数据，点工具栏上点Proc\make Equations，选择估计方法—普通最小二乘法，点击Options 按钮进入方程估计选择对话框，在LS\TSLS Options选项框中选择Weighted LS/TSLS\在对话框内输入权重1/abs（resid）,点击确定应用，回到估计方程对话框，点击确定得到加权最小二乘法回归方程（见图四，并与图一中的方程比较）。 异方差检验及修正 异方差检验及修正 加权的基本思想是在采用OLS方法时，对较小的残差平方ei2赋予较大的权数，对较大的ei2赋予较小的权数，以对残差提供的信息的重要程度作一番校正，提高参数估计的精度。如果直接用wi=1/σi作为权数，则容易验证变换后模型的随机干扰项的方差等于1，满足同方差性。在实际操作中，一般不进行异方差的检验，直接选择加权最小二乘法。 异方差检验及修正 异方差检验及修正 * * 异方差检验及修正