第三篇违背经典回归假定及5异方差.docVIP

第三篇 违背经典回归假定的 单方程经济计量模型 在第二篇古典回归分析中，回归模型的参数最小二乘（OLS）估计都有很好的统计性质，即线性、无偏和最小方差性。获得如此良好的参数估计量皆因模型满足经典假定。但在实际工作中，这些假定未必都能满足。这样，如何判断模型是否满足经典假定？若不满足假定，OLS法是否还能有效使用？参数的OLS估计量，是否还有很好的统计性质？若不能直接使用OLS，应如何进行参数的估计？ 为此，先来分析这些假定： 关于假定1（正态性）：随机干扰项服从正态分布； 假定1是否成立不影响参数OLS估计量的统计性质，只影响小样本下OLS估计量的抽样分布，从而影响显著性检验和区间估计。在大样本下，参数OLS估计量可认为近似服从正态分布（由中心极限定理知）。在小样本时，仍需要假定1。 有关正态检验，可参考相关文献。 关于假定2（零期望）：， 一般情况下，假定2是合理的，这是由的构成所决定。是由所有未被列入模型的影响因素（未被列入的解释变量）、观测误差等的综合结果。任何一个的影响可能微不足道，且作用方式和影响效果也各不相同，但它们的综合影响平均起来为零，即。即使随机项的期望不等于零，只要模型中包含常数项，都可将非零期望并入常数项，因此，假定2的成立是有保障的。 关于假定5（非随机解释变量）：与独立。 作出这一假定的原因是：在经济工作中，完全随机抽样是很难做到的，样本通常不可重复，推断是在给定数据条件下进行的。另外，在处理实际问题时使用的数据多为官方公布，以这些数据为依据进行推断。经济计量工作者不能对数据可能存在的问题负责，推断应视为无条件推断。因此在单方程模型的情况下，假定自变量是非随机变量是合理的。而违背假定5的情况一般出现在联立方程模型中，我们将在第四篇中讨论。 关于假定3.4.6.被违背的情况，是本篇的主要内容。 异 方 差 随机干扰项违背假定3，称模型具有异方差性。 §5.1 异方差性 设线性模型为 ， 假定3：（const）, 异方差性是指的值对不同的不相同，即 异方差性也可以理解为是自变量的函数，其数学表达式为： ， 为自变量的第i个观测值。这里只讨论一元的情况，多元模型的讨论完全类似。 一元线性模型的异方差可表示成 ， 异方差性可通过散点图来观察， 基本不随变化 随增大而增大 随增大而减小 先减小后增大 在实际问题中常会遇到异方差的情况。例如，家庭储蓄模型中，假设储蓄额与可支配收入的关系是线性的，其计量经济学模型为 ，看作是随意支配的部分。可支配收入（）较少的家庭，除了必要的支出外剩余较少，为某种目的而储蓄，且较有规律。而可支配收入（）较多的家庭，必要支出外剩余较多，因此用于储蓄的收入随意性较大，差异较大。所以上述储蓄模型具有异方差性。 异方差产生的原因： 随机项包含了观测误差和被省略的其它影响因素。 抽样观察值之间的差异较大。 所以异方差多出现在横断面数据中。 §5.2 异方差性的后果 线性和无偏性： 若具有异方差性，但满足其它假定，使用OLS法进行参数估计，并不影响参数1估计量的线性和无偏性。 ，，是的线性函数。 又由于（假定2），所以，，是无偏估计量。 最小方差性： 若具有异方差性，使用OLS法进行参数估计，估计量不再具有最小方差性。 为此，设计一种特殊的参数估计方法，对具有异方差性的模型参数进行估计，并在 同一组观察值下与OLS估计量的方差进行对比。假设模型为 ， 其中具有异方差性，由于可看作是解释变量的函数，不妨假设的方差有如下形式： ， 对模型进行变换，，这是一个非标准线性模型，其中且 满足假定3，。对变换后的模型参数做OLS估计，有 ，其中， 计算的方差；(根据书18页(2.3.11)’式) 而原模型参数的OLS估计量的方差为 将代如上述两式，得 显然具有异方差