第六课 主要公式.docVIP

第六章 主要公式 资料地址：/jl 1、什么是异方差？ 异方差一般是针对随机误差项而言的。正常情况下，随机误差项对任何解释变量都呈现出下图“同方差”的情况，即方差在同一个幅度内变动；但如果存在异方差，则方差会表现为一定的规律，如第二个图。 公式：同方差： 异方差： 其中， 类型：单调递增型；单调递减型；复杂型。 2、产生原因 例如：居民储蓄模型，高收入的储蓄差异较大，而低收入的储蓄差异较小；干中学模型；股票价格和消费者价格模型；假性异方差，源于解释变量缺失、函数形式不正确或参数变化等。 3、影响 （1）参数估计量无偏但非有效 由于均值为0的假设仍然成立，故无偏；又由于，不再有效。 例如对一元模型： 故： 不同于同方差下的估计值方差： （2）OLS估计的随机误差项的方差估计不再无偏 （3）由于（2），OLS的各种统计检验非有效 （4）由于（3），模型不再具有良好的统计性质；同时，由于（2），预测置信区间失去意义。故预测失效。 4、检验 （1）图示检验法：用Y和X的观察值做散点图，或用回归残差和X做散点图。 （2）帕克检验和戈里瑟检验： ① 对Y和所有解释变量X进行OLS回归； ② 将①得到的残差平方作为被解释变量，对其他解释变量进行各种形式的回归， 或 如果有任何一种形式的模型显著，则存在异方差性；【要分别变换f(.)的形式，进行多次估计】 （3）G-Q检验 ① 按照可能引起异方差的X对残差排序； ② 去掉中间的c个样本； ③ 对两变剩余样本分别进行OLS回归，分别计算残差平方和； ④ 构造F统计量： ⑤ 根据给定的显著性水平，确定临界值，并进行判断。如果F大于F临界值，则认为存在异方差。 （4）F检验： ① 对Y和所有解释变量X进行OLS回归； ② 将①得到的残差平方作为被解释变量，对其他解释变量进行回归； ③ 通过F统计量，检验②模型的显著性。 （5）拉格朗日乘子检验： ① 对Y和所有解释变量X进行OLS回归； ② 将①得到的残差平方作为被解释变量，对其他解释变量进行回归； ③ 根据②得到的可决系数计算LM值 ④ 根据显著性水平，确定临界值，判断LM是否大于临界值。如果LM大于临界值，则存在异方差。 （6）怀特检验 ① 同（4）的①； ② 将①得到的残差平方作为被解释变量，进行如下回归 ③ 同（4）的③，进行LM检验；或者同（3）的③进行F检验。 5、修正 （1）对统计检验的修正【异方差稳健推断】 ① 对单个变量显著性检验的修正（修正T检验）： 一般的OLS估计量是非有效的，但通过修正可以得到有效的估计量方差，得到修正以后的估计量方差为： 其中，是用对所有其他解释变量进行回归得到的第i个残差，是该回归的残差平方和。进而得到相应的t统计量，进行统计检验。 ② 对模型的检验（修正原来的F检验） 判断异方差下模型显著性的统计量——异方差LM统计量 a.对Y和所有解释变量X进行OLS回归，得到回归残差； b.分别以作为被解释变量，对其他解释变量进行回归，得到q个残差序列（）； c.求出每个残差序列与的乘积； d.以1作为被解释变量，对、、……和进行回归（不包含常数项），得到残差平方和RSS，进而得到LM统计量： （2）对估计过程的修正——加权最小二乘法和可行的加权最小二乘法 ① 异方差为已知形式 a.一般形式 如，则权重 将每个变量（被解释变量和解释变量）乘以以上权重，得到每个变量的新序列，再进行OLS回归： 目标： b.矩阵形式： 其中： 由于W是正定矩阵，故存在一可逆矩阵D使：，则 c.实际应用中，用作为权重。其中为不加权OLS时的残差序列。 ② 异方差为未知情形 假设，当不知道的形式时，用模型来估计得到，再将其作为权数，进行加权最小二乘回归。