一元线性回归中异方差的处理 优先出版.pdfVIP

DOI:10.13546/j.cnki.tjyjc.2015.21.025 方法应用 一元线性回归中异方差的处理 林天水，陈佩树 （巢湖学院 数学系，安徽巢湖 238000） 摘 要：文章认为回归分析中总是假定误差具有独立同分布的性质，事实上很多情况下会出现异方差性。 如果此时沿用原来的方法得到参数估计量，就会偏离真实值，造成估计与预测准确度的降低，出现对现象错误 的估计。在出现异方差时，必须对问题进行检验和消除，可以利用残差图、等级相关系数等方法对异方差检验， 运用加权最小二乘法估计来消除异方差的影响。 关键词：异方差；残差图；加权最小二乘估计 中图分类号：F222.39 文献标识码：A 文章编号：1002-6487（2015）21-0086-03 些假设往往不能都满足，异方差就是其中常见的问题之一 1 问题提出 (var (ε) ¹var (ε)当i ¹j 时)。在复杂的经济现象中,对经济 i j 问题建立回归分析时,出现解释变量观测值的变化而对被 回归分析方法是通过建立变量之间的线性模型来 解释变量产生不同的影响，这主要是其中一些因素随着解 研究变量之间的相关关系，并通过拟合的模型进行预测 释变量实际值的变化而产生的，即产生不同方差的随机误 和分析，实际上就是研究因变量与自变量之间的线性关 差项，简称异方差性。 系。 在研究问题的数据为横截面数据或时间跨度很大的 线性回归模型的一般形式如下： 时间序列数据时，会较容易出现异方差问题。例如对居民 y β +β x +β x ++β x +ε 可支配收入与家庭消费水平的之间关系探讨时，用 表 i 0 1 i1 2 i2 p ip i xi ， i 12 3 n p ³1 示第 户的收入， 表示第 户的消费数。其消费模型 i y i i 其中，β β β 是p +1个未知参数，β 称为回归常 为： 0 1 p 0 数，β β 称为回归系数。y 称为被解释变量 （因变量）， y β +β x +ε (i 12 n) 1 p i 0 1 1 i x x x 是p 个可以精确测量并控制的一般变量，称为 对上述的问题中，由于每个家庭的消费观念、收入水 1 2 p 平及生活习惯都是不同的，这样就会极易存在异方差 解释变量（自变量）。当p 1 时线性回归模型为一元模 性。一般情况下，低收入家庭的消费支出不太可能低于 型，当p 2 时线性回归模型为多元模型。