4.1 第四章节 经典单方程计量经济学模型(异方差性).ppt

第四章 经典单方程计量经济学模型：放宽基本假定的模型 §4.1 异方差性 引子：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。对模型估计的结果如下： （291.5778） (0.644284) t =(-1.931062) (8.340265) 式中Y表示卫生医疗机构数（个），X表示人口数量（万人）。 模型显示的结果和问题： 二、异方差的类型 同方差性假定：?i2 = 常数 ? f(Xi) 异方差时： ?i2 = f(Xi) 三、实际经济问题中的异方差性 例4.1.1：截面资料下研究居民家庭的储蓄行为 Yi=?0+?1Xi+?i Yi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入 四、异方差性的后果 五、异方差性的检验 检验思路： Glejser检验的步骤 （1）用原始数据估计模型，计算残差直接读取resid （2）用残差绝对值与X进行回归： | e|=b0+b1Xh+v v满足基本假定，幂次通常需要选择多种值试算，如h=1,2,-1,1/2等 （3）经过R2、F、t检验找出最优的回归方程形式，或无异方差 Park检验的的思想 Park认为随机扰动项μi的形式为: ?2i = ?2 xi b1μv 两边取对数: ln?2i =ln ?2+b1ln xi +Vi 令 ln?2 =b0 ln?2i = b0 +b1ln xi +Vi 进行OLS, 若显著存在异方差，且找到函数形式；否则无异方差。 3、怀特（White）检验 怀特检验不需要排序，且适合任何形式的异方差 怀特检验的基本思想与步骤（以二元为例）： 六、异方差的修正 模型检验出存在异方差性，可用加权最小二乘法（Weighted Least Squares, WLS）进行估计。 七、案例--中国农村居民人均消费函数 W是一对称正定矩阵，存在一可逆矩阵D使得 W=DD’ 用D-1左乘 Y=X?+? 两边，得到一个新的模型： 该模型具有同方差性。因为 这就是原模型 Y=X?+? 的加权最小二乘估计量，是无偏、有效的估计量。 这里权矩阵为D-1，它来自于原模型残差项?的方差-协方差矩阵?2W 。 如何得到?2W ？ 从前面的推导过程看，它来自于原模型残差项?的方差-协方差矩阵。因此 仍对原模型进行OLS估计，得到随机误差项的近似估计量ěi，以此构成权矩阵的估计量，即 这时可直接以 作为权矩阵。 注意： 在实际操作中人们通常采用如下的经验方法： 不对原模型进行异方差性检验，而是直接选择加权最小二乘法，尤其是采用截面数据作样本时。 如果确实存在异方差，则被有效地消除了； 如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法 * 基本假定违背：不满足基本假定的情况。主要包括： （1）随机误差项序列存在异方差性； （2）随机误差项序列存在序列相关性； （3）解释变量之间存在多重共线性； （4）解释变量是随机变量且与随机误差项相关 （随机解释变量）； 此外： （5）模型设定有偏误 （6）解释变量的方差不随样本容量的增而收敛 计量经济检验：对模型基本假定的检验 本章主要学习：前4类 一、异方差的概念 二、异方差的类型 三、实际经济问题中的异方差性 四、异方差性的后果 五、异方差性的检验 六、异方差的修正 七、案例 , ●人口数量对应参数的标准误差较小 ● t 统计量远大于临界值 ●可决系数和修正的可决系数结果较好 ● F检验结果明显显著 表明该模型的估计效果不错，可以认为人口数量每增加1万人，平均说来医疗机构将增加5.3735个。 然而，这里得出的结论可能是不可靠的，平均说来每增加1万人口可能并不需要增加这样多的医疗机构，所得结论并不符合真实情况。 有什么充分的理由说明这一回归结果不可靠呢？更为接近真实的结论又是什么呢？ 对于模型 如果出现 即对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性(Heteroskedasticity)。 一、异方差的概念 方差是度量被解释变