异方差在职.pptVIP

* * * * 表11.1中误差绝对值与自变量之间的等级相关系数 * * * * §5.5 .5戈德菲尔德—匡特检验〖Goldfeld Guandt Test〗 1.适用范围:方差与回归模型中解释变量之一有正向关系.设为: 2.检验步骤: (1) 把观察值X按小到大排列; (2) 略去居中的C个观察值,将其余等分成二组.每组(n-c)/2个. (3) 分别对这两组拟合一个回归,其残差平方和为 和 ,设较小的为 . (4).计算比率: * * 3.例题,(表11.3)的数据回归结果如下: (1) 对前13个数据的回归结果: (2) 对后13个数据的回归结果: (3) 计算比率: (4) 结论:5%的显著性水平的临界值是2.82,而比值是4.07大于2.82,故误差的方差中没有异方差. * * 对前13组数据的回归 * * 对后13组数据的回归 * * Spearman等级相关检验 格莱泽检验 * * §5.5 .6布劳殊—培干—戈弗雷检验〖Breusch-Pagan-Godfrey〗 .k-变量线性回归模型: 假定误差方差 有如下函数关系 即是诸非随机变量Z的某个函数，部分或全部X可用作Z，假定 . * * 则 是诸Z的一个线性函数, 如果　　　　　　　　　　　　　　, 则 ,此为一常数.因此,为了检验 是否有同方差,只检验假设　　 * * 检验步骤: (1).用OLS估计(5.5.11)并得残差 (2).计算 ; (3).按以下定义构造　: (4).将 对诸Z回归: (5).从(11.5.14)求出ESS（回归平方和）并定义: 如果计算的 超过选定显著性水平临界值 ,就拒绝同方差性假设,否则,不拒绝。 * * (表11.3)的数据例按下步骤进行: (1). (2). (3).构造： (4) 假定 与Xi(=Zi)有线性关系，得回归方程 (5) 判断：5%的临界值是3.8414和1%的临界值是6.6349,在两者间显著; * * §5.5 .7　怀特(White)的一般异方差性检验 检验步骤:【以三变量模型为例:】 (1)对给定数据,估计(5.5.20)并获得残差 ; (2)做如下辅助回归: 即将原始回归的残差平方对诸原始X变量、其平方以及交叉乘积进行回归，并得到辅助回归的判定系数R2 * * (3)统计量:如果无异方差，从辅助回归得到的R2乘以样本容量(n)，渐进服从自由度等于辅助回归中自变量个数（不含常数项）的 分布 (4)结论:如果计算得的 值超过选定的显著性水平的临界值 ,就有异方差.(p369的例题略) * * 结论： 无异方差？ * * §5.6异方差的补救措施 1. 当 为已知时,加权最小二乘法; 表11.4数据的例: 模型为: WLS估计: OLS估计: * * * * 2.怀特的“异方差性相一致”方差与标准差: P372 例题的回归结果: 从上述结果表明,怀特异方差性校正的标准误比OLS标准误大得多,因而所估计的t值比得自OLS的要小得多. * * 关于异方差模式的可能假定 以双变量回归模型为例: 假定1.误差方差正比于 : 原模型除以 : * * * * 假定2.误差方差正比于 .平方根变换: (1).变换如下 : (2).可按OLS对(5.6.8)进行回归; (3).模型特点是没有截距项,因此要用过原点的回归模型去估计 和 ; (4).图11.10(p375) * * * * 假定3.误差方差正比于Y均值的平方. 原模型变形为: 要估计 和 需分两步:先忽略异方差性,作OLS估计获得 ;然后利用估计得的 作如下变换: 来估计 和 ; * * 假定4.和回归 相比,诸如: 这样一个对数变换常常能减低异方差性.因为对数变换压缩了测量变量的尺度,把两个值的10倍之差降低到约2倍之差. * * 加权最小二乘估计 * * §5.7一个总结性的例子 利用p387表11.5的数据进行回归: 1.双变量回归结果: 2