异方差：如果误差方差不是常数.pptxVIP

异方差：如果误差方差不是常数 会有什么结果？ 第9章 本章要回答的主要问题 (1) 异方差的性质是什么？ (2) 异方差的后果是什么？ (3) 如何检验异方差的存在？ (4) 如果存在异方差，有哪些补救措施？ 9.1 异方差的性质 在经典线性回归模型（CLRM）中，我们假定随机干扰项具有同方差性，即： Var(ui|Xi)=E[ui-E(ui)|Xi]2 = E(ui2|Xi]2 = 2 这实际上是假定了解释变量Yi 的值围绕其期望值的分散程度相同。实际上，对应于解释变量的不同取值，方差可能不同，即本假定不成立。 Y2 X2 . . . Y1 X1 X2 . . . 同方差 异方差 9.1 异方差的性质 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)。 异方差的概念 9.1 异方差的性质 9.1 异方差的性质 异方差的类型 同方差性假定：i2 = 常数  f(Xi) 异方差时： i2 = f(Xi) 异方差一般可归结为三种类型： (1)单调递增型： i2随X的增大而增大 (2)单调递减型： i2随X的增大而减小 (3)复 杂 型： i2及X的变化呈复杂形式 9.1 异方差的性质 9.1 异方差的性质 递增型异方差 同方差 递减型异方差 复杂型异方差 均匀形态 发散形态 收敛形态 复杂形态 9.1 异方差的性质 实际经济问题中的异方差性 例如：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 高收入家庭：储蓄的差异较大 低收入家庭：储蓄则更有规律性，差异较小 i的方差呈现单调递增型变化 9.1 异方差的性质 例如： 以绝对收入假设为理论假设、以截面数据为样本建立居民消费函数： Ci=0+1Yi+i 将居民按照收入等距离分成n组，取组平均数为样本观测值。 一般情况下，居民收入服从正态分布：中等收入组人数多，两端收入组人数少。而人数多的组平均数的误差小，人数少的组平均数的误差大。 所以样本观测值的观测误差随着解释变量观测值的不同而不同，往往引起异方差性。 9.1 异方差的性质 例如： 以某一行业的企业为样本建立企业生产函数模型 Yi=Ai1 Ki2 Li3ei 被解释变量：产出量Y 解释变量：资本K、劳动L、技术A， 那么：每个企业所处的外部环境对产出量的影响被包含在随机误差项中。 每个企业所处的外部环境对产出量的影响程度不同，造成了随机误差项的异方差性。 这时，随机误差项的方差并不随某一个解释变量观测值的变化而呈规律性变化，呈现复杂型。 9.1 异方差的性质 9.1 异方差的性质 例9.1 放松管制后纽约股票交易所（NYSE）的经纪人佣金 9.1 异方差的性质 例9.2 523个工人的工资等数据 9.1 异方差的性质 9.1 异方差的性质 例9.2 523个工人的工资等数据 图9-3 回归方程（9.3）的残差平方 9.1 异方差的性质 例9.2 523个工人的工资等数据 9.2 异方差的后果 OLS估计量仍是线性的。 OLS估计量仍是无偏的。 OLS估计量不再具有最小方差性，即不再是有效的。 OLS估计量的方差通常是有偏的。 偏差的产生是由于 ，即 ，不再是真实 的无偏估计量。 建立在t分布和F分布之上的置信区间和假设检验是不可靠的。 9.2 异方差的后果 OLS估计量仍然具有无偏性，但不具有有效性 异方差后果小结1： 参数估计量非有效 异方差后果小结2：变量的显著性检验失去意义 变量的显著性检验中，构造了t统计量 其他检验也是如此。 9.2 异方差的后果 异方差后果小结3：模型的预测失效 一方面，由于上述后果，使得模型不具有良好的统计性质； 所以，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。 9.2 异方差的后果 图 9-5假想总体和样本表现出的异方差性 9.3 异方差的诊断：如何知道存在异方差问题？ 一些诊断工具 ： 根据问题的性质 残差的图形检验 帕克检验（Park test） 格莱泽检验（Glejser test）