异方差Heteroskedasticity.pptVIP

§2.6 异方差性Heteroskedasticity 一、异方差性的概念 二、实际经济问题中的异方差性 三、异方差性的后果 四、异方差性的检验 五、异方差性的估计 回归分析，是在对线性回归模型提出若干基本假设的条件下，应用普通最小二乘法得到了无偏的、有效的参数估计量。 但是，在实际的计量经济学问题中，完全满足这些基本假设的情况并不多见。 如果违背了某一项基本假设，那么应用普通最小二乘法估计模型就不能得到无偏的、有效的参数估计量，OLS法失效，这就需要发展新的方法估计模型。 如果随机误差项序列不具有同方差性，即出现异方差性。 一、异方差的概念 1、异方差的概念 2、异方差的类型 同方差性假定的意义是指每个?i围绕其零平均值的变差，并不随解释变量X的变化而变化，不论解释变量观测值是大还是小，每个?i的方差保持相同，即 ?i2 =常数 在异方差的情况下， ?i2已不是常数，它随X的变化而变化，即 ?i2 =f(Xi) 异方差一般可归结为三种类型： （1）单调递增型： ?i2随X的增大而增大； （2）单调递减型： ?i2随X的增大而减小; （3）复 杂 型： ?i2与X的变化呈复杂形式。 一般情况下：居民收入服从正态分布，处于中等收入组中的人数最多，处于两端收入组中的人数最少。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增大而先减后增。 如果样本观测值的观测误差构成随机误差项的主要部分，那么对于不同的样本点，随机误差项的方差随着解释变量观测值的增大而先减后增，出现了异方差性。 三、异方差性的后果 1、参数估计量非有效 普通最小二乘法参数估计量仍然具有无偏性，但不具有有效性。因为在有效性证明中利用了 E(NN’)=?2I 而且，在大样本情况下，参数估计量仍然不具有渐近有效性，这就是说参数估计量不具有一致性。 2、变量的显著性检验失去意义 3、模型的预测失效 一方面，由于上述后果，使得模型不具有良好的统计性质； 另一方面，在预测值的置信区间中也包含有随机误差项共同的方差?2。 所以，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。 四、异方差性的检验 1、检验方法的共同思路 由于异方差性就是相对于不同的解释变量观测值，随机误差项具有不同的方差。那么： 检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性。 问题在于用什么来表示随机误差项的方差 一般的处理方法： 2、图示检验法 （1）用X-Y的散点图进行判断 看是否存在明显的散点扩大、缩小或复杂型趋势（即不在一个固定的带型域中） 看是否形成一斜率为零的直线 3、检验方法 （1）图示检验法 （2）等级相关系数法 （3）戈里瑟检验 （4）巴特列特检验 （5）戈德菲尔特-夸特检验 五、加权最小二乘法(WLS)Weighted Least Squares 1、加权最小二乘法的基本思想 如果模型存在异方差性，则需要发展新的方法估计模型，最常用的方法是加权最小二乘法。 加权最小二乘法的基本思想：加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。 2、一个例子 例如，如果在检验过程中已经知道： 3、一般情况 对于模型 Y=XB+N (2.4.8) 这就是原模型(2.4.8)的加权最小二乘估计量，它是无偏、有效的。 这里权矩阵为D-1，它来自于矩阵W 。 4、求得权矩阵W的一种实用方法 从前面的推导过程看，它来自于原模型（2.4.8）残差项N的方差-协方差矩阵，因此仍然可对原模型(2.4.8)首先采用OLS法，得到随机误差项的近似估计量，以此构成权矩阵的估计量，即 5、加权最小二乘法具体步骤 6、注意 在实际建模过程中，尤其是截面数据作样本时，人们通常并不对原模型进行异方差性检验，而是直接选择加权最小二乘法，尤其是采用截面数据作样本时。 如果确实存在异方差，则被有效地消除了； 如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法。 Back * 说 明 即对于不同的样本点，随机误差项的方差不再是常数，则认为出现了异方差性。 Back 二、实际经济问题中的异方差性 例1：在截面资料下研究居民家庭的储蓄形为