计量经济学简明教程（刘思峰）05第五章+异方差.pptVIP

第五章 异方差 Contents 这种方法又称G-Q检验法，其基本原理用图形表示如下： (1)将n对样本观测值按照自变量 的大小进行升序排列 (4)提出假设 帕克检验和格莱泽检验 基本原理：这两种检验方法的都是通过建立残差对自变量的回归模型，判断随机误差项的方差和自变量之间是否存在着较强的相关关系。 (2)格莱泽检验的具体步骤 怀特检验 基本原理：利用残差平方和，建立残差平方和与自变量的辅助方程来判断模型中是否存在异方差。 3)计算辅助回归方程的拟合系数 ，可以证明，在同方差假定下，渐近地有 ，其中，自由度q为辅助回归模型中的自变量个数 异方差的修正 如果模型经过检验存在异方差问题，首先应该分析模型中是否遗漏了一些重要的自变量，或者考虑模型的函数形式设置的是否适当，然后可以采取一些措施来消除异方差所带来的不利影响。 加权最小二乘法 加权最小二乘法的前提条件：随机误差项的方差已知 模型转换法 前提条件：总体随机误差项方差未知，但是可以判断出异方差的具体形式，这是通过对具体问题的经验分析，或者用帕克检验和格里奇检验提供的信息来确定。 仍以一元线性回归模型为例： 此时模型转换为同方差模型，可以用最小二乘法估计参数 * LOGO 引例 两个散点图有共同的特征，随着X增加，Y也增加，但是右图中，当X比较小时，数据点相对集中，随着X增大，数据点变得相对分散。而左图中数据分布却没有出现这一特征。右图所出现的这一现象正是本章所要讨论的内容——异方差。 异方差性检验 异方差概述 异方差的修正 对于前面研究的一般线性回归模型 我们假设对于不同的样本点，随机误差项的分散程度是相同的；但是如果随机误差项随着自变量的变化而变化，分散程度不同时，我们说模型中出现了异方差问题。 异方差的概念 异方差的产生的可能原因 1.模型中遗漏了一些重要的解释变量。 家庭月收入 我们所研究的现象 Y 的变动，可从两个方向去解释：一是从解释变量出发，一是从随机误差项 的角度出发。 在建模过程中，若是遗漏了一些重要的解释变量，这些重要的解释变量所带来的影响，将都反映在随机误差项 的变动中 ，从而导致异方差的产生 。 比如例5.1研究某大学某专业54名学生人均月家庭收入和在校月消费支出之间的关系仅考虑了一个影响因素： 对于月收入相对较低的家庭的学生来说，他们满足基本消费以后，所剩无几： 因此各个学生之间的消费支出不会有很大差异； 购买学习资料 购买食物 其他必需开销 购买学习资料 观看演唱会 参加兴趣班 吃饭 旅游 购买衣服 B 而对于月收入相对较高的家庭的学生来说，他们满足基本消费后，生活费剩余较多，受消费习惯不同，各个学生之间的消费支出就会出现较大差异！ 对于例5.1来说，用线性模型来拟合时就有可能会出现异方差问题 2.模型函数形式存在设定误差。 比如将指数曲线模型设定为线性模型，随机误差项的方差就有增大的趋势； 仍以例5.1为例，学生的月消费支出同家庭月收入之间设定的是线性关系，若两者之间存在的是非线性关系，则这部分误差也将由随机误差项来反映，从而导致异方差的产生。 B 3.随机因素的影响。 大量的经验研究表明，在用横截面数据建立线性模型时，由于在不同样本点，随机因素影响的差异比较大，比较容易产生异方差问题。 如政策的变动、自然灾害和金融危机等。 例如研究2009年度消费者所购买汽车价位 Y 与家庭年收入 X 之间的关系： 在此例中，政策的变动作为随机因素对不同的收入群体带来的影响不完全相同，由此也可能导致异方差的产生。 T检验的可靠性降低 OLS估计量仍然线性无偏 OLS估计量不再是最具有效性 模型的预测误差增大 异方差的影响 B 简而言之，此时求解模型中未知参数的方法已不适合再采用OLS法。 异方差的影响 图示法 戈德菲尔德－夸特检验法 怀特检验法 异方差的常用检验方法 帕克检验与格莱泽检验 (1)绘制Y-X散点图 由于因变量和随机误差项的方差相同，因此通过观察因变量和自变量的散点图，可以分析因变量的分散程度与自变量之间是否存在关系，如果因变量的分散程度随着自变量的增加呈现增大(减小)的趋势，那么就说明模型中出现了递增(递减)型的异方差现象。 图示法 (2)绘制残差分布图 建立线性回归模型后，以残差平方作为纵坐标，自变量X作为横坐标，绘制残差分布图，如果残差平方随着自变量的变化而出现系统变化趋势，也可以判断模型中存在异方差问题。