异方差性.pptVIP

第4章 非典型回归模型及其应用 普通最小二乘假设的违背 不满足基本假定的情况： （1）随机干扰项序列存在异方差性； （2）随机干扰项序列存在序列相关性； （3）解释变量之间存在多重共线性； （4）解释变量是随机的，并且与随机干扰 项相关。 还有模型设定有偏差，解释变量的方差随着样本容量的增加而增大。 计量经济学检验：对是否满足普通最小二乘法下的基本假定进行检验。 一、异方差性 对于模型 Yi ? ?0 ? ?1 X1i ? ?2 X2i ???? ? ?k Xki ? ?i， i ?1, …, n 同方差的基本假设为 Var[?i] ??2， i ?1, …, n， 如果出现 Var[?i] ??i2， i ?1, …, n， 则称模型具有异方差性。 （一）异方差的类型 同方差是指 Var[?i] ? ?i2 ? 常数 ， i ?1, …, n， 而异方差则 Var[?i] ? ?i2 ? 常数 ， i ?1, …, n， 可能随着解释变量的变化而变化，也可能变化无特别规律。 异方差可以分成三种类型： （1）?i2随着解释变量的增大而增大； （2）?i2随着解释变量的增大而减小； （3） ?i2的变化无特别规律。 （二）实际经济问题中的异方差 例4.1.1 在截面数据下的居民家庭的储蓄行为模型： Yi ? ?0 ? ?1 Xi ? ?i， 其中Yi为第i个家庭的储蓄额， Xi第i个家庭的支配收入。在这个模型中，?i不满足同方差假设，呈现单调递增型变化。 高收入家庭：储蓄的差异较大 低收入家庭：储蓄则更有规律性，差异较小 （二）实际经济问题中的异方差 例4.1,2，以绝对收入假设为理论假设、以截面数据为样本建立居民消费函数： Ci ? ?0 ? ?1Yi ? ?i， 将居民按照收入等距离分成n组，取组平均数为样本观测值。 在我国，收入呈金字塔型，低收入组人数多，中等收入次之，高收入组人数少。而人数多的组平均数的误差小，人数少的组平均数的误差大。 所以样本观测值的观测误差随着解释变量观测值的不同而不同，往往引起异方差性。 （三）异方差的后果 参数估计量非有效 当计量经济学模型出现异方差时，普通最小二乘法参数估计量仍然具有线性性、无偏性，但不具有有效性。 变量的显著性检验失去意义 在变量的显著性检验时，要构造t 统计量。这是建立在具有相同的方差?i2 ，如果方差不相同， t 检验无 意义。 模型的预测失效 （四）异方差的检验 检验异方差性，是检验随机干扰项的方差与解释变量观测值之间的相关性。 一般的处理方法是首先采用普通最小二乘法估计模型，得到随机干扰项的“近似估计量” ， 1.图示法 图示法是用 的散点图进行判断。 2.帕克(Park)-戈里瑟(Gleiser)检验 基本思想：以 或 为被解释变量，以原模型的某一解释变量Xj为解释变量，建立下面方程： 常用的函数形式为： 3.(Goldfield-Quandt,G-Q)检验 G-Q检验以F检验为基础，适用于样本容量较大，异方差为单调递增或单调递减的情况。 基本思想：先将某个解释变量进行排序，再将样本分成两个子样本，然后对两个子样本分别进行OLS回归，再利用两个子样本的残差平方和之比构造F统计量进行异方差检验。 3.G-Q检验的步骤 （1）记n为样本容量。对某个被认为有可能引起异方差的解释变量的观测值排序。 （2）将序列中间的c ? n/4观测值去掉，将剩下的观测值划分为较小和较大的容量相同的两个子样本。每个子样本的容量为 (n? c)/2。 （3） 对每个子样分别进行OLS回归，得到残差平方和，较小的残差平方和记为 ，较大的残差平方和记为 。自由度为(n? c)/2 ? k?1。 3.G-Q检验的步骤（续） （4）在同方差的假设下，F统计量 4.怀特(White)检验 假设回归模型为 Yi ? ?0 ? ?1 X1i ? ?2 X2i ? ?i，i ?1, …, n 先对该模型作OLS回归，得到残差 ，再作辅助回归 4.怀特(White)检验 辅助回归仍是检验与解释变量可能的组合的显著性，因此，辅助回归方程中还可引入解释变量的更高次方。 如果存在异方差性，则表明确与解释变量的某种组合有显著的相关性，这时往往显示出有较高的可决系数以及某一参数的 t 检验值较大。 当然，在多元回归中，