计量经济学知识点整理：异方差.docxVIP

异方差性1、定义：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。同方差性：si2 = 常数1 f(Xi)异方差时：si2 = f(Xi)2、后果：参数估计量非有效 OLS估计量仍然具有无偏性，但不具有有效性因为在有效性证明中利用了 E(mm’)=s2I而且，在大样本情况下，尽管参数估计量具有一致性，但仍然不具有渐近有效性。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统计量如果出现了异方差性，估计的S出现偏误则t检验失去意义。其他检验也是如此。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；另一方面在预测的置信区间中，同样包含参数方差的估计量。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。3、检验：检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。图示法（1）用X-Y的散点图进行判断，看是否存在明显的散点扩大、缩小或复杂型趋势（即不在一个固定的带型域中）看是否形成一斜率为零的直线帕克(Park)检验与戈里瑟(Gleiser)检验偿试建立方程：选择关于变量X的不同的函数形式，对方程进行估计并进行显著性检验，如果存在某一种函数形式，使得方程显著成立，则说明原模型存在异方差性。如：帕克检验常用的函数形式：若a在统计上是显著的，表明存在异方差性。戈德菲尔德-奎恩特(Goldfeld-Quandt)检验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,即3n/8③对每个子样分别进行OLS回归，并计算各自的残差平方和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a，确定临界值Fa(v1,v2)，若F Fa(v1,v2)，则拒绝同方差性假设，表明存在异方差。怀特（White）检验然后做如下辅助回归可以证明，在同方差假设下：R2为(*)的可决系数，h为(*)式解释变量的个数。 (1) 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。 (2)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。 (3)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。4、修正（加权最小二乘法WLS）加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用OLS估计其参数。在采用OLS方法时:对较小的残差平方ei2赋予较大的权数，对较大的残差平方ei2赋予较小的权数。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