计量经济学04-异方差.ppt

* * 第四章 放宽基本假设的模型 第一节、异方差 回顾一元和多元回归模型的基本假设，第3条为同方差假设，即D(ui) = ? 2 当违反这条基本假设，即D(ui) ＝f(xi) = ?i 2 ≠ ? 2 异方差情形 同方差情形 对于多元线性回归模型， Var(u) 是一个对角矩阵，且主对角线上的元素都是常数且相等。 Var(u) = E(u u ) = ? 2I = 当这个假定不成立时，Var(u) 不再是一个纯量对角矩阵。 Var(u) = ? 2 ? = ?? 2 I 当误差向量u的方差协方差矩阵主对角线上的元素不相等时，称该随机误差系列存在异方差。 此页不讲 一、异方差的类型 单调递增型 单调递减型 复杂型 二、产生异方差的原因 1、模型中遗漏了某些解释变量 2、模型函数形式的设定误差 例如：用线性模型替代了非线性模型等 3、样本数据的测量误差 例如：随着时间推移，抽样技术等其他搜集方法的改进，会使测量误差逐步减小。 经验：截面数据中常存在异方差。 三、异方差的后果 当Var(ut) = ?t2，为异方差时（ ?t2是一个随时间或序数变化的量），回归参数估计量仍具有无偏性和线性。 但是不再具有有效性（最小方差性） 四、 图示方法初步判定异方差 1、 利用y-x的散点图做初步判断(有时看不出) 2、 利用e2-x的散点图做初步判断(相对准确) 3、 利用残差图做初步判断(如果为时间序列数据，判断相对可信，截面数据判断不准确) e2-x的各种形式 (a)同方差，(b)-(e)为异方差 但凡不是(a)情况，都表示有异方差 有异方差 同方差（无异方差） 用残差图判断(有时不够准确) 五、异方差的检验 1、G-Q检验 （ Goldfeld-Quandt 检验，戈德菲尔德—匡特检验） 适用样本容量较大，递增或递减型异方差 H0: ut 具有同方差， H1: ut 具有异方差。 检验步骤： （1）把n组样本观测值按疑似异方差的解释变量大小顺序排列 （2）将序列中间的 c=n / 4个观测值去除，余下的n-c个观测值自然分成容量相等的两个子样本,每个组的样本容量为(n-c)/2个。 n1 = n2 （3）用两个子样本分别估计回归直线，并计算残差平方和。 相对于n2 和n1 分别用RSS2 和RSS1表式。 （4）构造F统计量。在H0成立条件下 判别规则如下， 若 F ? F? (n2- k-1, n1-k-1), 不拒绝H0（ut 具有同方差） 若 F F?(n2- k-1, n1-k-1), 拒绝H0（递增或递减型异方差） 注意： ① 当摸型含有多个解释变量时，应以每一个解释变量为基准检验异方差。 ② 此法只适用于递增型或递减型异方差。 ③ 对于截面样本，计算F统计量之前，必须先把数据按解释变量的值排序。 2 怀特（White）检验（最常用） 由H. White 1980年提出。White检验不需要对观测值排序，也不要求必须是单调递增或递减异方差。 以二元回归模型为例，White检验的具体步骤如下。 H0：ut为同方差， H1：ut存在异方差。 yt = ?0 +?1 xt1 +?2 xt2 + ut （1）首先对上式进行OLS回归，求残差ut 。 （2）做如下辅助回归式， = ?0 +?1 xt1 +?2 xt2 + ?3 xt12 +?4 xt22 + ?5 xt1 xt2 + vt 求辅助回归式的可决系数R2。 注：上式中要保留常数项。 交叉项 在同方差假设条件下，构造统计量 nR 2 ? ? 2(5) n表示样本容量，R2是辅助回归式的OLS估计的可决系数。自由度5表示辅助回归式中解释变量项数（注意：不包括常数项，如果是一元线性回归，则要查?2(2) ）。 （4）判别规则是 若 nR 2 ? ?2? (5), 接受H0（ut 具有同方差） 若 n R 2 ?2? (5), 拒绝H0（ut 具有异方差） 注:一元回归不包括交叉项（只有x和x2两项），多元回归包括交叉项 软件输出怀特检验结果 nR2检验的P值大于0.05，表明没有异方差 注：obs*R-squared表示nR2 nR2检验的P值小于0.05，表明有异方差 察看怀特检验的P值可以直接判断是