计量经济学讲义——线性回归模型的异方差问题1.ppt

线性回归模型的异方差问题 9.5 异方差的解决办法 解决异方差的方法就是对原始模型进行变量代换，使得异方差的模型变为同方差的模型。采取的办法就是取决于真实方差σi2是已知还是未知的： （1）当σi2已知时：加权最小二乘法 (9.9) (9.10) 9.5 异方差的解决办法 (9.10) (9.11) * 计量经济学讲义 9.1 一元线性回归分析－总结（一元线性回归的思想） 总体一元线性回归方程: 样本一元线性回归方程： 以样本统计量估计总体参数 斜率（回归系数） 截距 (估计的回归方程) （一元线性回归方程） 一元线性回归方程 中参数a、b的确定： 最小二乘法 基本数学要求： 一元线性回归分析－总结（回归系数的计算方法） 整理得到由两个关于a、b的二元一次方程组成的方程组： 进一步整理，有： 一元线性回归分析－总结（回归系数的计算公式） 残差之和为零 所拟合直线通过样本散点图的重心 误差项与解释变量不相关 a与b分别是总体回归系数的无偏估计量 a与b均为服从正态分布的随机变量 一元线性回归分析－总结（最小二乘法的优良性质 ） b与r的关系： r＞0 r＜0 r=0 b＞0 b＜0 b=0 一元线性回归分析－总结（相关系数与回归系数的差别） 假定1 回归模型参数是线性的，但不一定是变量线性的，回归模型形式如下： 一元线性回归分析－回归的假定条件 假定2 解释变量X与扰动误差项u不相关。但是，如果X是非随机的，则该假定自然满足。 一元线性回归分析－回归的假定条件 假定3 给定X，扰动误差项u的数学期望或均值为0，即E（u|X）＝ 0。 X Y 0 ＋u －u ＋u ＋u －u －u E(Y|X)=α+β*X 一元线性回归分析－回归的假定条件 假定4 误差扰动项u的方差为常数，即Var（u）＝σ2，称之为同方差(homoscedasticity) 同方差的含义：每个Y值以相同的方差分布在其均值周围，即Y偏离其均值的程度相同。 X Y 0 ＋u －u ＋u ＋u －u －u E(Y|X)=α+β*X X Y 0 ＋u －u ＋u ＋u －u －u E(Y|X)=α+β*X 同方差(homoscedasticity) 异方差(heteroscedasticity) 一元线性回归分析－回归的假定条件 假定5 无自相关假定，即两个误差项之间不相关。 Cov（ui,uj） = 0。 正 相 关 负 相 关 不 相 关 uj ui uj ui uj ui 假定6 回归模型是正确设定的，即实证分析的模型不存在设定误差或设定错误。 一元线性回归分析－回归的假定条件 假定7 在总体回归函数中， 误差项u服从均值为0，方差为σ2的正态分布。即 u ～ N(0，σ2) 中心极限定理 独立同分布的随机变量，随着变量个数的无限增加，其和的分布近似服从正态分布。 虽然古典线性回归模型强调了同方差假定，但在实践中无法保证总能够满足。本章内容就是讨论同方差假定不满足条件下，回归模型可能会出现的问题，以及如何解决问题： 异方差有什么性质？ 异方差的后果是什么？ 如何诊断存在异方差？ 如果存在异方差，如何解决？ 异方差性－回归问题的引入 9.2 异方差的性质 18415.4 9528.2 293543.0 5036.4 509.2 70761.6 23168.5 1703.8 241434.8 4645.7 421.7 40295.4 19774.5 13210.7 175025.8 2884.1 1620.6 35107.7 9761.4 3163.8 141649.9 3751.9 1083.0 32405.6 16438.8 4454.1 122315.7 2225.9 494.7 26408.3 8787.3 6107.5 116141.3 2828.1 258.4 21869.2 10278.9 1595.3 101314.1 276.8 178.3 14665.1 4487.8 3918.6 95249.0 1596.5 92.9 11626.4 13869.9 6620.1 80552.8 185.1 62.5 6375.3 Profit RD Sales 　 Profit RD Sales 例9.1 美国创新研究：1988年美国研究与开发费用支出 9.2 异方差的性质 例9.1 美国创新研究：销售对研究与开发的影响 RD ＝ 266.2575 + 0.030878*Sales se＝(1002.963) (0.008347)