第四章：(二)异方差性.pptVIP

布罗施-帕甘（B-P）检验 结论：5%显著性水平下拒绝原模型随机干扰项方差相同的假设。 （2）怀特检验 作辅助回归: （-0.04） (0.10) (0.21) (-0.12) (1.47) (-1.11) R2 =0.4638 似乎没有哪个参数的t检验是显著的 。但 n R2 =31*0.4638=14.38 ?=5%下，临界值 ?20.05(5)=11.07，拒绝同方差性。 去掉交叉项后的辅助回归结果 (1.36) (-0.64) (064) (-2.76) (2.90) R2 =0.4374 X2项与X2的平方项的参数的t检验是显著的，且 n R2 =31? 0.4374=13.56 ?=5%下，临界值 ?20.05(4)=9.49，拒绝同方差的原假设。 原模型的加权最小二乘回归 对原模型进行OLS估计，得到随机误差项的近似估计量ěi，以此构成权矩阵?2W的估计量； 再以1/| ěi|为权重进行WLS估计，得 各项统计检验指标全面改善 加权最小二乘估计（另一种方法） 经试算发现 WLS估计 经检验，加权的回归模型已不存在异方差性。 稳健标准误法 参数估计与普通最小二乘法相同； 由于参数的标准差得到了修正，从而使得t 检验值与普通最小二乘法的结果不同。 稳健标准误估计 OLS估计 六、案例—1—某地区居民储蓄模型 某地区31年来居民收入与储蓄额数据表 1、普通最小二乘估计 直接使用OLS法，得到： （-5.87） （18.04） R2=0.9182 2、异方差检验 （1）图示检验 ⑵ G-Q检验 ①求两个子样本（n1 =n2 =12）回归方程的残差平方和RSS1与RSS2 ； ②计算F统计量 F=RSS2/RSS1=769899.2/162899.2=4.726 ③查表 在5%的显著性水平下，第1和第2自由度均为（31-7）/2-2=10的F分布临界值为 F0.05(10,10)=2.97 由于 F=4.72 F0.05(10,10)= 2.97 因此，否定两组子样本方差相同的假设，从而该总体随机误差项存在递增异方差。 ⑶ Park检验 显然，lnXi前的参数在统计上是显著的，表明原模型存在异方差。 3、异方差模型的估计 与OLS估计结果相比较，拟合效果更差 。 为什么？ 关于异方差形式的假定可能存在问题。 与OLS估计结果相比较，拟合效果更好 。 六、案例—2—中国消费函数模型 中国消费函数模型（二元模型） 根据消费模型的一般形式，选择消费总额为被解释变量，国内生产总值和前一年的消费总额为解释变量，变量之间关系为简单线性关系，选取1981年至1996年统计数据为样本观测值。 中国消费数据表 单位：亿元 1、OLS估计结果 2、WLS估计结果 3、比较 各项统计检验指标全面改善 R2 : 0.999739→0.999999 F: 28682→980736 ∑e2: 438613→29437 t: 6.4 22.0 4.2→25.2 134.1 22.9 D.W : 1.45→1.81 三、异方差性的检验Detection of Heteroscedasticity 1.检验方法的共同思路 既然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及其相关的“形式”。 各种检验方法正是在这个共同思路下发展起来的。 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.戈里瑟（Gleiser）检验与帕克（Park）检验 戈里瑟检验与帕克检验的思想： 如果存在某一种函数形式，使得方程显著成立，则说明原模型存在异方差性。 以 | e ~ | 或 ~ e i 2 为被解释变量，以原模型的某一解释变量 j X 为 解释变量，建立如下方程： i ji i X f e e + = ) ( | ~ | i=1,2, … ,n