第六章 异方差1.pptVIP

古典假定之一：同方差 什么是异方差？ 高收入家庭储蓄变化比低收入家庭储蓄变化大。 例2 制造业销售利润与销售收入关系 二、异方差的类型 建立企业成本函数 引入生产规模作为解释变量，也会发现规模越大，生产成本的差异越大。 三、产生原因 1、模型中缺少某些重要解释变量 如果模型应为 假设X2和X3同向变化，但是未引入X3，此时u包含X3，这样随机扰动项的方差随之变化，产生异方差。（如消费模型只引入收入未考虑财富） 3、截面数据中总体各单位的差异 截面数据较时间序列更容易产生异方差。原因是由于在不同的样本点上解释变量以外的其他因素的差异较大，所以往往存在异方差性。 比如，我们利用100名同学的样本数据建立一个消费支出和收入的模型，收入虽是最重要的因素，但每个同学因为来自不同的家庭，从小对金钱的看法不一样，消费的观念也不一样，又或者有的同学在谈恋爱，消费自然就会多一些。可见，每个同学的消费支出除了受到收入的影响外，还受到其他很多因素的影响，自然就产生了异方差。 课本引子思考 更为接近真实的结论是什么？ 根据四川省2000年21个地市州医疗机构数与人口数资料，分析医疗机构与人口数量的关系，建立卫生医疗机构数与人口数的回归模型。 模型显示的结果和问题 第二节 异方差性的检验 检验思路： 首先采用OLS法估计模型，以求得随机扰动项的估计量，用e 表示，通过观察残差来研究。 2、用X-e2的散点图进行判断 怎样通过Eviews作x- e2 散点图 键入 y c x 作回归； 生成 e1=（resid）^2 画图 e1 X 如果呈现出某种有规律的分布，说明残差中蕴涵着模型,则可能存在异方差 例美国公司销售额与研发支出研究 回 归 图 形 2、戈德菲尔德-匡特检验 (Goldfeld-Quandt) G-Q检验以F检验为基础，适用于样本容量较大、异方差递增或递减的情况。 检验统计量： F服从分布 其中 为小值样本组的残差平方和； 为大值样本组的残差平方和。 Eviews实现：分段回归 在Workfile窗口中点击选择x,y,再点击Procs/sort series/click弹出对话框，输入X，并选择按升序排序，点击OK即可。 在Workfile窗口中，将样本范围改为1973-1983，用OLS法做Y对X的线性回归。记住残差的平方和。 将样本范围改为1993-2003，再做回归。记住残差的平方和。构造F统计量，进行检验。 1973-1983年回归结果 1993-2003年回归结果 1973-1983，用OLS做Y对X的线性回归 Y = -744.635 + 0.088*X RSS1=150867.91 1993-2003，用OLS做Y对X的线性回归 Y = 1624.416 + 0.015*X RSS2=809628.223 计算结果 F=809628.223/150867.91=5.3665 取a=0.05 查表F0.05（11-2，11-2）=3.18 而F 〉F0.05（9，9），所以拒绝原假设，模型中存在递增的异方差。 练习5.3 1-11个样本回归结果 后面11个样本回归结果 检验过程 1、用OLS进行回归，然后计算ei 2、 ei的绝对值对解释变量Xi回归。由于事前并不知道具体形式，可以通过上述三种形式进行检验。 3、如果哪一种形式的偏回归系数通过显著性检验，存在异方差。 例题中，根据残差估计模型，得到如下结果 提 示 e的绝对值如何生成？ Quick---generate series 输入 e1=abs(resid) 4.怀特（White）检验 原理：利用辅助回归模型判断方差与解释变量之间是否有明显的因果关系。 怀特检验 不需要排序，且适合任何形式的异方差。 检验过程 1、用OLS进行回归，然后计算ei 2、作辅助回归模型 3、求辅助回归方程的R2，计算R2与样本容量的乘积 4、在零假设条件下， nR2～ 若大于临界值拒绝零假设，原模型存在异方差 若小于临界值拒绝零假设，原模型不存在异方差 怀特（White）检验的Eviews实现 先对原模型作OLS估计，在方程结果框内点： View\Residual Tests\White Heteroskedastcity，直接给出了相关的统计量F-statistic和R-squared，据此判断。 练习题5.3 辅助回归方程的R2=0.181 N=60, nR2=60×0.181=10.8