第4章4.1放宽基本假设的模型异方差性.pptVIP

第四章 经典单方程计量经济学模型：放宽基本假定的模型;前述的计量经济学模型的回归分析，是在对线性回归模型提出若干基本假定的条件下，应用普通最小二乘法得到了无偏且有效的参数估计量。 但是，在实际的计量经济学问题中，完全满足这些基本假定的情况并不多见。 不满足基本假定的情况，称为基本假定违背。;基本假定违背，主要包括： （1）随机误差项序列存在异方差性； （2）随机误差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）解释变量是随机变量且与随机误差项相关； （5）模型设定有偏误 （6）解释变量的方差不随样本容量的增而收敛;§4.1 异方差性;对于模型;?  ? ? ? ;一、异方差的类型;异方差一般可归结为三种类型： (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; 二、实际经济问题中的异方差性; 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; 例4.1.3，以某一行业的企业为样本建立企业生产函数模型 Yi=Ai?1 Ki?2 Li?3e?i;（一）模型的设定误差 模型的设定主要包括变量的选择和模型数学形式的确定。模型中略去了重要解释变量常常导致异方差，实际就是模型设定问题。 异方差的表现在随机误差上，但它的产生却与解释变量的变化有密切的关系。; 如果将某些未在模型中出现的重要因素归入随机误差项，而这些影响因素的变化具有差异性，则会对被解释变量产生不同的影响，导致误差项的方差变化，即产生异方差性。 除此而外，模型的函数形式不正确，如把变量间本来为非线性的关系设定为线性，也可能导致异方差。 ; 三、异方差性的后果;2、变量的显著性检验失去意义;3、模型的预测失效;四、异方差性的检验;常用检验方法: ●图示检验法 ●帕克检验与戈里瑟检验 ●G-Q检验 ●White检验 ;1、图示检验法;绘制出 对 的散点图;图形法的特点是简单易操作； 不足是对异方差性的判断比较粗糙； 由于引起异方差性的原因错综复杂，仅靠图形法有时很难准确对是否存在异方差下结论，还需要采用其他统计检验方法。;2、帕克(Park)检验与戈里瑟(Glejser)检验;帕克检验的步骤如下：;戈里瑟检验;3、戈德菲尔德-夸特(Goldfeld-Quandt)检验; 先按某一解释变量对样本排序，再将排序后的样本一分为二； 对子样①和子样②分别作普通最小二乘回归； 然后利用两个子样的残差平方和之比构造F统计量进行异方差检验。 步骤如下：;③对每个子样分别进行OLS回归，并计算各自的残差平方和，分别用 与 表示较小与较大 的残差平方和（自由度均为 ） ; ●要求大样本 ●异方差的表现既可为递增型，也可为递减型 ●检验结果与对观测值的正确排序有关； ●检验结果与选择数据删除的个数C 的大小有关。 ●该方法只能判断异方差是否存在，在多个解释变量的情下，对哪一个变量引起异方差的判断存在局限。; 4、怀特（White1980年）检验;n为样本容量，h为辅助方程的解释变量的个数（不包括截距项），该例中自由度为5；; 五、异方差的修正;1.加权最小二乘法（WLS）; 例如，如果对一个多元模型，经检验知：;加权最小二乘法具有比普通最小二乘法更普遍的意义，或者说普通最小二乘法只是加权最小二乘法中权恒取1时的特殊情况。 从此意义上看，加权最小二乘法也称为广义最小二乘法（GLS）。 实施加权最小二乘法的关键是寻找适当的“权”，或者说寻找模型中随机干扰项 的方差与解释变量间的适当的函数形式。如果发现;假设μ的方差具有如下指数函数的形式;得到各个系数 的无偏、一致且有效的估计 。于是得到μ的方差估计：;注意：;2.异方差稳健标准误法;如在一元线性回归中，估计的斜率正确方差应为：;在存在异方差时，异方差稳健标准误法虽然不能得到有效的估计量，但是可以得到普通最小二乘估计量正确的方差估计； 从而使得以估计量方差为基础的各种统计检验不再失效、建立的预测区间也更加可信； 因此，异方差稳健标准误法成为在不能较好地实施加权最小二乘法时，消除异方差性不良后果的主要手段。;六、案例--中国农村居民人均消费函数 ;普通最小二乘法的估计结果： ;异方差检验;进一步的统计检验 ;计算F统计量： F= RSS2/RSS1=0.1912