计量经济学课件第五章异方差性.doc

第五章 异方差性 本章教学要求：根据类型，异方差性是违背古典假定情况下线性回归模型建立的另一问题。通过本章的学习应达到，掌握异方差的基本概念包括经济学解释，异方差的出现对模型的不良影响，诊断异方差的方法和修正异方差的方法。经过学习能够处理模型中出现的异方差问题。 第一节 异方差性的概念 一、例子 例1，研究我国制造业利润函数，选取销售收入作为解释变量，数据为1998年的食品年制造业、饮料制造业等28个截面数据（即n=28）。数据如下表,其中y表示制造业利润函数，x表示销售收入（单位为亿元）。 Y对X的散点图为 从散点图可以看出，在线性的基础上，有的点分散幅度较小，有的点分散幅度较大。因此，这种分散幅度的大小不一致，可以认为是由于销售收入的影响，使得制造业利润偏离均值的程度发生了变化，而这种偏离均值的程度大小不同是一种什么现象？如何定义？如果非线性，则属于哪类非线性，从图形所反映的特征看并不明显。 下面给出制造业利润对销售收入的回归估计。 模型的书写格式为 通过变量的散点图、参数估计、残差图，可以看到模型中（随机误差）很有可能存在一种系统性的表现。 例2，改革开放以来，各地区的医疗机构都有了较快发展，不仅政府建立了一批医疗机构，还建立了不少民营医疗机构。各地医疗机构的发展状况，除了其他因素外主要决定于对医疗服务的需求量，而医疗服务需求与人口数量有关。为了给制定医疗机构的规划提供依据，分析比较医疗机构与人口数量的关系，建立卫生医疗机构数与人口数的回归模型。根据四川省2000年21个地市州医疗机构数与人口数资料对模型估计的结果如下： （291.5778） (0.644284) t =(-1.931062) (8.340265) 式中表示卫生医疗机构数（个），表示人口数量（万人）。从回归模型估计的结果看，人口数量对应参数的标准误差较小，统计量远大于临界值，说明人口数量对医疗机构确有显著影响，可决系数和修正的可决系数还可以，F检验结果也明显显著。表明该模型的估计效果还不错，可以认为人口数量每增加1万人，平均说来医疗机构将增加5.3735个。 然而，这里得出的结论可能是不可靠的，按照四川省的经济水平和实际情况看，平均说来每增加1万人口可能并不需要增加这样多的医疗机构，所得结论并不符合真实情况。那末，有什么充分的理由说明这一回归结果不可靠呢？更为接近真实的结论又是什么呢？ 二、异方差的定义 设模型为 如果对于模型中随机误差项，有 () 则称具有异方差性。进一步，把异方差看成是由于某个解释变量的变化而引起的，则 例1，一个食品支出与收入的关系。表明异方差的产生与人们的收入状况有关。设食品支出与收入之间的关系为 式中，Y为食品支出，X为收入，X2为收入的平方，并且。在食品支出与收入这种假定关系下，当X很大的时候，Y与均值的偏差有可能比当X很小时大。这是由于低收入住户的食品支出几乎全部由收入来解释，而高收入住户的食品支出在很大程度上取决于其它因素，这样就出现了高收入住户的食品支出有一部分没有得到其收入的解释，而这一部分可能会相当大。 例2，研究浙江省农业总产值与农业劳动力人数、耕地面积之间的关系。选取该省17个县市1992年的数据资料（截面数据），为了研究的方便，将各县市按农业总产值从小到大进行了排列。通过EViews的操作可以看到该问题中的农业总产值与其均值之间差异程度的变化现象。 例3，根据美国一项制造业调查的资料，可以看到企业规模越大，平均生产力会越高，但生产力的波动也变大了（用标准差反映），数据见下表。 雇佣人数 平均生产力 生产力的标准差 1-4 5-9 10-19 20-49 50-99 100-249 250-499 500-999 1000-2499 9355 8544 7962 8375 8389 9418 9795 10281 11750 2487 2642 3055 2706 3119 4493 4910 5893 5550 表明生产力的波动随着企业人数的增加而变大。 三、产生异方差的背景 1、由于模型中缺失了某些重要解释变量，或者是随着时间的推移有可能成为重要影响因素的变量，但也应注意设定误差问题。 2、截面数据更易引起异方差（时间序列数据也要引起异方差，比如人们的打字技术随时间推移而出现的差异）。 3、由于样本数据的观测误差。 4、异方差的出现与某个解释变量的变动有关。