ch4-异方差讲义.pptVIP

* 加权最小二乘法（WLS）的一般形式 * 误差随E由大到小 权数w由小到大 大乘小，小乘大，加权为同方差 加权最小二乘法的原理 返回 * 六. 异方差的处理（稳健性回归） 当模型中存在异方差，OLS估计量仍然是无偏估计量，但估计量的方差不再具有最小方差性，因此我们可以对OLS估计量的方差进行修正。White提出异方差一致性标准误（Heteroskedasticity-consistent standard errors 或者Heteroskedasticity robust standard errors ）的修正方法。 * * 第四章 异方差 * 主要内容 异方差的概念 产生异方差的原因 异方差的结果 异方差的检验 异方差的修正方法 * 统计知识复习 * 一. 异方差的概念 随机误差项的方差受到解释变量的影响，随解释变量取值的变化而变化，称随机误差项存在异方差。 同方差（经典假设）：随机扰动项ui对每一个样本点的方差是一个常数 Var （μi） = σ2μ =常数 异方差： 与i有关，不再是常数，但ui仍然是一个服从正态分布的随机变量 * x1 x2 X u 同方差 y Y=b0+b1x * 异方差 x1 x2 X u Y * X Y X Y 递减异方差 递增异方差 Y X X Y 复杂异方差 等方差 * 二. 产生异方差的原因 模型中省略了对被解释变量有影响的解释变量 模型中变量观测值的测量误差 模型数学形式的偏差 对被解释变量有影响的各种随机因素 * Example 1 对收入低的家庭，收入中扣除必要的生活费支出外，用于其他支出和消费的部分也较小，随机项波动程度小，即方差小 对收入高的家庭，收入中扣除必要的生活费支出外，用于其他支出和消费的部分也较大，随机项波动程度大，即方差大 因此，随机误差项的方差随解释变量（收入）的增加而递增 （储蓄） （收入） * Example 2 对规模小的企业，在一定的劳动投入和资金投入下，产出的波动幅度小，随机项的方差小 对规模大的企业，在一定的劳动投入和资金投入下，产出的波动幅度大，随机项的方差大 随机误差项的方差随企业规模增大而递增 （产出） （资本） （劳动力） * 异方差的产生 变量为时间序列数据的模型可能产生异方差 变量为截面数据的模型更常出现异方差 * 三. 异方差的结果 参数的OLS估计仍然是线性无偏的，但不是最小方差的估计量 t检验失效 降低预测精度 由于异方差，会使得OLS估计的方差增大，从而造成预测误差变大，降低预测精度。 * 参数的OLS估计仍然是线性无偏,但不是最小方差的估计量 一元线性回归模型为例 该形式具有最小方差 该形式不具有最小方差 * t检验失效 * 四. 异方差的检验 图示法 Goldfeld-Quandt检验 Spearman等级相关系数检验 Glejser（戈里瑟）检验 Reset检验 White检验 * 1图示法 X X * 2 Goldfeld-Quandt检验 建立两个子样本：按大小排列样本观测值，去除中间c个观测值（c一般为样本容量的1/4到1/3） 原假设（同方差）： ； 备择假设（异方差）： 3. 分别对两个子样本利用最小二乘估计进行回归，得出残差平方和 4. 选择统计量： 5.若 ，拒绝H0，存在异方差；若 ，接受H0 ，同方差 * 3 Spearman等级相关系数检验 利用最小二乘法进行回归分析，计算残差 原假设：同方差；备择假设：异方差 对解释变量Xi和 分别按从小到大的顺序排列，并赋予1到n中的一个顺序号表示其等级 对每个下标i，计算Xi和 的等级差di 计算等级相关系数 计算统计量 当 ，等级相关系数不明显，接受原假设，同方差；否则存在异方差 * 4 Glejser检验 基本思想：看看残差与解释变量是否存在因果关系 方法： 对残差 和解释变量Xi进行各种形式的回归分析（最小二乘估计） 如果某种回归形式的拟合优度高，系数的t检验显著，说明 受到Xi的影响，即存在异方差 * 5 Reset检验 和Glejser检验类似，对拟合值 和残差 进行回归分析 * 6 White检验 利用最小二乘法进行回归，计算残差 将 关于各解释变量、各解释变量的平方、两两解释变量的乘积利用最小二乘法作回归分析。对各回归方程进行统计检验，若拟合优度高，系数的t检验显著，则存在异方差 * 总结：异方差的检验 看一看，比一比，算一算，