厦门大学计量经济学课件Chp9异方差.pptVIP

计算F统计量： F= RSS2/RSS1=0.2792/0.0648=4.31 查表 给定?=5%，查得临界值 F0.05(9,9)=2.97 判断 F F0.05(9,9) 否定两组子样方差相同的假设，从而该总体随机项存在递增异方差性。 （2）怀特检验 作辅助回归: （-0.04 (0.10) (0.21) (-0.12) (1.47) (-1.11) R2 =0.4638 似乎没有哪个参数的t检验是显著的 。但 n R2 =31*0.4638=14.38 ?=5%下，临界值 ?20.05(5)=11.07，拒绝同方差性。 去掉交叉项后的辅助回归结果 (1.36) (-0.64) (064) (-2.76) (2.90) R2 =0.4374 X2项与X2的平方项的参数的t检验是显著的，且 n R2 =31? 0.4374=13.56 ?=5%下，临界值 ?20.05(4)=9.49，拒绝同方差的原假设。 求辅助回归方程的R2值 在“不存在异方差”的零假设下，怀特证明了上述方程中得到的R2值与样本容量n的积服从?2分布，自由度等于方程中解释变量的个数（不包括截距项），即：?2=nR2~ ?2k-1 （此k是含常数项的参数个数）； 做出判断： 如果从上述方程中得到的?2值超过所选定的显著性水平下的?2临界值，或计算?2值的p值很低，则拒绝零假设：不存在异方差； 如果计算的?2值的p值很大，则不能拒绝零假设。 例9-5 （数据表9-5）：婴儿死亡率对人均GNP、受初等教育占人口的百分比的回归 由于?2=nR2=4.6?20.05(5)=11，得此?2值的P值约不0.47，这一值相当大，故根据怀特检验，可以判定不存在异方差。 关于怀特检验：过于一般化，随着解释变量的增多，将极大的消耗自由度。 注意： 辅助回归仍是检验与解释变量可能的组合的显著性，因此，辅助回归方程中还可引入解释变量的更高次方。 如果存在异方差性，则表明确与解释变量的某种组合有显著的相关性，这时往往显示出有较高的可决系数以及某一参数的t检验值较大。 当然，在多元回归中，由于辅助回归方程中可能有太多解释变量，从而使自由度减少，有时可去掉交叉项。 异方差检验可以在Eviews 方程视图中的残差项检验中找到。 异方差的其它检验方法 Speraman秩相关检验； Goldfeld-Quandt检验； Bartlett检验； Peak检验； Breusch-Pagan检验； CUSUMSQ检验。 附：戈德菲尔德-昆特(Goldfeld-Quandt)检验 G-Q检验以F检验为基础，适用于样本容量较大、异方差递增或递减的情况。 G-Q检验的思想： 先将样本一分为二，对子样①和子样②分别作回归，然后利用两个子样的残差平方和之比构造统计量进行异方差检验。 由于该统计量服从F分布，因此假如存在递增的异方差，则F远大于1；反之就会等于1（同方差）、或小于1（递减方差）。 G-Q检验的步骤： ①将n对样本观察值(Xi,Yi)按观察值Xi的大小排队； ②将序列中间的c=n/4个观察值除去，并将剩下的观察值划分为较小与较大的相同的两个子样本，每个子样样本容量均为(n-c)/2； ③对每个子样分别进行OLS回归，并计算各自的残差平方和； 分别用?e1i2与? e2i2表示较小与较大的残差平方和（自由度无为(n-c)/2-k-1） ④在同方差性假定下，构造如下满足F分布的统计量 ⑤ 给定显著性水平?，确定临界值F?(v1,v2)， 若F F?(v1,v2)， 则拒绝同方差性假设，表明存在异方差。 当然，还可根据两个残差平方和对应的子样的顺序判断是递增型异方差还是递减异型方差。 附：斯皮尔曼(Spearman)等级相关系数检验 思想：通过随机项的方差与解释变量的等级相关系数的显著性检验，判断是否存在异方差性。 步骤： 1. 做OLS估计，得到ei； 2. 把|ei|和Xi按升序或降序赋予等级值(1,2,…,n)； 3. 计算斯皮尔曼等级相关系数； 其中：di为第i组观测值的|ei|与Xi的等级差 4. 计算统计量： 若显著（超出临界值），则说明存在异方差性 这一检验的依据，其实就是检查随着因变量的变化，方差是否随之变化（等级差异意味着变动） 异方差的补救措施 当?i2已知时，加权最小二乘法 异方差的补救措施（重点） 异方差的补救措施（重点） 当?i2未知时：（重