第8讲-异方差性概要.ppt

* * * 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 dx.yutian.cc /bbs / / / /m 3 http://3 http://3 4 / www.qL /dx/ /sy/ /hlj/ /wj/ /bjdxb /zy/ /zjdx/dx/ /dxb 5 / / / / / / / ? / /m/ / / / / 39. / / /zjdx/ / / / / / / / / / http://3 http://3 / 异方差性 异方差性对于OLS估计的影响 如何解决可能存在的异方差性？ 一、异方差性对于OLS估计的影响 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 X Y 概率密度 X：受教育年限 Y：工资 异方差性 异方差性 X Y 概率密度 X：受教育年限 Y：工资 异方差性 异方差性 X Y 概率密度 X：时间 Y：打字正确率 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 稳健性F检验 稳健性LM检验 二、稳健性检验 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OLS估计量的方差估计，从而影响t检验和F检验。因此，如果能找到一种方法正确地估计出OLS估计量的方差，那么同样可以进行t检验和F检验 对于大样本数据，在假定MLR.1-4下，可以通过一定的方法得到OLS估计量的方差的正确估计量（参见课本p253，8.4式），并进而得到OLS估计量的标准误。通过这种方法得到的标准误称为异方差-稳健性标准误（heteroskedasticity-robust standard error），或简称稳健性标准误（robust standard error ）。 稳健性t检验 一旦得到了稳健性标准误，就可以在此基础上构造稳健性t统计量（robust t statistics） ，进而进行稳健性t检验。 稳健性t检验 例题8_1：工资方程（课本p253，例8.1） lwage Coef. SE t robust SE t (robust) married_male 0.2127 0.0554 3.84 0.0571 3.72 married_female -0.1983 0.0578 -3.43 0.0588 -3.37 single_female -0.1104 0.0557 -1.98 0.0571 -1.93 educ 0.0789 0.0067 11.79 0.0074 10.64 exper 0.0268 0.0052 5.11 0.0051 5.22 expersq -0.0005 0.0001 -4.85 0.0001 -5.03 tenure 0.0291 0.0068 4.30 0.0069 4.19 tenursq -0.0005 0.0002 -2.31 0.0002 -2.19 _cons 0.3214 0.1000 3.21 0.1095 2.94 稳健性F检验 也可以构造异方差-稳健性F统计量（heteroskedasticity-robust F statistic