第五章_异方差性和检验.ppt

第一节 异方差性的概念 （二）模型的设定误差 模型的设定主要包括变量的选择和模型形式的确定。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。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）数据的测量误差 样本数据的观测误差有可能随研究范围的扩大而增加，或随时间的推移逐步积累，也可能随着观测技术的提高而逐步减小。如储蓄函数，假如用的是1980年至2010年的数据，前些年工资较透明，现在灰色收入较多，测量误差有变化。 （四）截面数据中总体各单位的差异 例如利用截面数据研究消费与收入的关系时，不同地区收入有差距，低收入地区家庭用于生活必需品的比例较大，消费的分散程度不大，而高收入地区家庭有更多自由支配的收入，家庭消费有更广泛的选择范围，消费的分散程度较大，而出现异方差性。 通常认为，截面数据较时间序列数据更容易产生异方差。这是因为同一时点不同对象的差异，一般说来会大于同一对象不同时间的差异。不过，在时间序列数据发生较大变化的情况下，也可能出现比截面数据更严重的异方差。 第二节 异方差性的后果 推导也仅用到零均值假定，表明无偏性也成立。 三、对预测的影响 第三节 异方差性的检验 常用检验方法: ●图示检验法 ● Goldfeld-Quanadt检验 ● White检验 ● Glejser检验 一、图示检验法 （一）相关图形分析 方差描述的是随机变量取值的（与其均值的）离散程度。因为被解释变量Y与随机误差项u有相同的方差，所以分析Y与X的相关图，可以初略地看到Y的离散程度与X之间是否有相关关系。 如果随着X的增加，Y的离散程度为逐渐增大（或减小）的变化趋势，则认为存在递增型（或递减型）的异方差。 （二）残差图形分析 虽然随机误差项无法观测，但样本回归的残差一 定程度反映了随机误差的某些分布特征，可通过残差 的图形对异方差进行观察。 二、Goldfeld-Quanadt检验 基本思想：将样本分为两部分，然后分别对两个样 本进行回归，并计算两个子样的残差平方和所构成 的比，以此为统计量来判断是否存在异方差。 （一） 检验的前提条件 1、要求检验使用的为大样本容量，一般样本容 量不低于参数个数的两倍。 2、除了同方差假定不成立外，其它假定均满足。 （二）检验步骤 1.将观测值按某个解释变量的取值按从小到大排序。 2.将排列在中间的c个（取样本容量约1/4）观察值删除掉，再将剩余的分为两个部分，每部分观察 值的个数为（n-c)/2。 3.提出假设 H0: 两部分数据的方差相等 H1：两部分数据的方差相等 4.构造F统计量 分别对两个部分的观察值作回归，得到两个部分 的残差平方和，设： Se1i2为前一部分样本回归产生的残差平方和， Se2i2为后一部分样本回归产生的残差平方和。 它们的自由度均为(n-c)/2-k，k为参数的个数。则 给定显著性水平a，查 F 分布表，得临界值Fa。 若F＞Fa，则拒绝H0，接受H1，认为存在异方差； 若F＜Fa，则接受H0，拒绝H1，认为不存在异方差。 ●要求大样本 ●异方差的表现既可为递增型，也可为递减型 ●检验结果与选择数据删除的个数 的大小有关 ●只能判断异方差是否存在，在多个解释变量的 情况下，无法判断是哪个变量引起的异方差。 三、White检验 （一）基本思想： 不需要关于异方差的任何先验信息，只需要在大样本的情况下，将OLS估计后的残差平方对常数、解释变量、解释变量的平方及其交叉乘积等构成一个辅助回归，利用辅助回归建立相应的检验统计量来判断异方差性。 （二）检验步骤： 以一个二元线性回归模型为例，设模型为： 四、Glejser检验(格莱泽，戈里瑟） （一）基本思想 寻找残差与某个解释变量之间的显著成立的 关系，将残差的绝对值同时去拟合解释变量的若干 种函数，若其中有显著成立的关系，则认为存在异 方差性。于1969年提出。 （二）检验步骤： 第四节 异方差性的补救措施 主要方法: ● 模型变换法 ● 加权最小二乘法 ● 模型的对数变换 对数变换后的模型通常可以降低异方差性的影响： ◆运用对数变换能使测定变量