05b 异方差 2012.pptVIP

* 加权估计（WLS）方法（1） 例 个人储蓄（Y）与可支配（X）收入模型 （课本第132页） * 加权估计（WLS）方法（2）: 用加权变量回归 自己把回归式还原为Y对X回归情形。 回归系数OLS估计结果是0.088，WLS估计结果是0.090。 0.09的统计特性更好。 例 个人储蓄（Y）与可支配（X）收入模型 * 案例分析:个人储蓄（Y）与可支配（X）收入模型 （课本第125页) T=31,m=T/4=9, 样本A:前11个样本;样本B:后11个样本. * 总体回顾： Goldfeld-Quandt 检验 去掉中间9个观测值。 用第1个子样本回归： ，SSE1=150867.9 用第2个子样本回归： ，SSE2=958109.4 H0: ut 具有同方差， H1: ut 具有递增型异方差。 ③ 构造F统计量。 因为F =6.35 F0.05 (9, 9) = 3.18，存在异方差(递增方差)。 （第130页） * 总体回顾： white检验 p131 White检验结果 (p-value的运用) White检验过程 (参照第10页讲义) White检验的EViwes操作：在回归式窗口中点击View键选Residual Tests/ White Heteroskedasticity 功能 * 加权估计（WLS）方法（1） 点击此处 填入权数 总体回顾： 加权估计（WLS）方法p125 * 加权估计（WLS）方法（1） 总体回顾： 加权估计（WLS）方法p125 * 加权估计（WLS）方法（2）: 用加权变量回归 自己把回归式还原为Y对X回归情形。 回归系数OLS估计结果是0.088，WLS估计结果是0.090。 0.09的统计特性更好。 总体回顾： 加权估计（WLS）方法p125 Econometrics * 计量经济学 Econometrics 计量经济学(本科)讲义 Lecture Notes for Econometrics (undergraduate) 南开大学国际经济与贸易系 孙浦阳 * 复习：多元回归方程模型的假定条件 为什么要学习这些性质 (假定条件)？ 为保证得到最有效地结果(优化),回归模型应满足这些假设条件(性质) 现实经济分析中是否完全吻合？(存款与收入的例子) * 无多重共线性，即Xi (i = 2,3, …,k )之间不存在线性关系,不存在不全为零的一组数 复习：多元回归方程模型的假定条件 通过简单复习，了解随即误差(u), 方差(variance)等基本概念 这里所有的性质都是针对残差的 归纳总结为: 同方差性，无偏性，一致性，无序相关性 这些基本特性为我们的估算值提供了有效最佳结果的保证 * 异方差基本概念 线性回归模型的重要假设之一:同方差性 这些基本假设提供了使用OLS的前提基础 在这些假设下,未知参数才是最佳线性无偏估计量 理论与现实经济情况的差距较大 不太可能完全满足假设条件 * 异方差基本概念 同方差和异方差是针对随即误差项的分布的 体现在随机误差项的方差的相同或者不同上 这实际上是假定了解释变量 的值围绕其期望值的分散程度相同。实际上，对应于解释变量的不同取值，方差可能不同，即本假定不成立 图解参照课本p111的图 Homoskedasticity(同方差) Heteroskedasticity=hetero+skedasticity (异方差) Hetero(different or unequal) Skedasticity (spread or scatter) Heteroskedasticity deals with unequal variances * 递增型异方差 异方差出现的形态 递减型异方差 复杂型异方差 * 对于截面数据一定要先按解释变量排序才有可能观察到异方差 取1986年中国29个省市自治区农作物种植业产值yt（亿元）和农作物播种面积xt（万亩）数据（file:hete01，hete02）研究二者之间的关系。得估计的线性模型如下， yt = -5.6610 + 0.0123 xt (-0.6) (12.4) R2 = 0.85, T = 29 * 残差图中看不到异方差（左图）。原因是没有把数据按解释变量排序。数据排序并估计后得到的残差图明显存在异方差（右图）。 * 异方差基本概念(数学解释) （p110 同方差假定：模型的假定条件 给出Var