9 模型假设违背：异方差.pptVIP

Glejser检验，前四个模型对于大样本的异方差，一般能给出满意的结果。 以11.1为例 * 3. Goldfeld-Quandt 检验 Goldfeld and Quandt, op. cit., Chap. 3. 这一广泛使用的方法，适用于异方差 与回归模型中解释变量之一有正向关系的模型。 * 以简单回归分析说明： 假设 的正向关系为： 如果上式设定合理，则X值越大， 值越大。 * Goldfeld-Quandt 检验步骤： * 如果 大于临界值水平，拒绝同方差的假设。 C通常是样本容量的1/4 * 例子： * P值＝0.014 * 4. White检验 H. White, “A Heteroscedasticity Consistent Covariance Matrix Estimator and a Direct Test of Heteroscedasticity,’’ Econometrica, vol. 48, 1980, pp. 817–818. 异方差检验的另一广泛使用的方法。 如果不包含交叉项，纯粹异方差的检验， 如果包含交叉项，同时还是模型设定偏误的检验。 * White检验步骤： 以如下三变量回归模型为例： * * 例子：美国18个产业群体的RD支出，销售额和利润 RD，关于销售额、利润的回归 数据：表格11.5 * * 回归结果： White检验 P值 0.074 * 9.4 异方差的处理 （一）方差已知，直接进行WLS 权重： * 例： * WLS： 对比： * （二）方差未知，判断扰动项方差的函数形式（根据图解法和Glejser)，选取合适的权重变换，再WLS分析 例如以下几种形式： * 1、误差方差正比于解释变量平方 * 权重选择： * 2、扰动项方差正比于解释变量： * 权重选择： * 3、扰动项正比于因变量均值平方 * 权重： 理论变换， 实际变换： * 4、对模型进行对数变换 作用：缩小变化尺度，弹性估计 所有上述方法都必须小心使用。可能引起其它模型估计问题。 * 9.5 案例分析 一、问题的提出 为了给制定医疗机构的规划提供依据，分析比较医疗机构与人口数量的关系，建立卫生医疗机构数与人口数的回归模型。 假定医疗机构数与人口数之间满足线性约束，则理论模型设定为 * 9.5 案例分析 二、实证模型构建 假定医疗机构数与人口数之间满足线性约束，则理论模型设定为 其中Y表示卫生医疗机构数，X表示人口数。 * 由2001年《四川统计年鉴》得到如下数据。 * 三、模型检验 1、OLS回归结果 参数估计值可能不合理 2、异方差检验 (1)图形法 (2)Goldfeld-Quanadt检验 排序，去掉中间5个，计算F值 scalar f=ols2.@SSR/OLS1.@SSR P值：scalar pf=@FDIST(f,8,8) * (3)White检验 P值：scalar nrp=@CHISQ(18.07481,2) 存在异方差 * 四、异方差修正 采用WLS方法 三种可能的权重： Eveiws 结果显示第二种权重较好。 * 五、模型分析 可以看出运用加权小二乘法消除了异方差性后，参数的t检验均显著，可决系数大幅提高，F检验也显著，并说明人口数量每增加1万人，平均说来将增加2.953个卫生医疗机构。 虽然这个模型可能还存在某些其他需要进一步解决的问题，但这一估计结果或许比引子中的结论更为接近真实情况。 * 计量经济学 Econometrics 孙坚强 Ph.D. of Finance jqsunmath@ * 模型前提假设不成立： 异方差 * 异方差的定义 异方差的后果 异方差的诊断 异方差的处理 案例分析 * 9.1 异方差的定义 同方差：扰动项的条件方差相同。 同方差意味着：等同的分散程度。 * 异方差：扰动项的条件方差各异，不再等于相同的一个常数。 * 随着收入增级，平均储蓄增加。 平均上来说，高收入家庭有更高的储蓄，但储蓄的变异更大。 产生异方差的背景 以下的理由可能是存在异方差的原因： 1、误差学习(边错边改)模型,学习时间越长，误差越小。 例如：打字错误与打字练习小时的关系 * 2.解释变量值越高，被解释变量有更多的变异源。 如收入与储蓄的关系，随着收入增长，高收入家庭有更多的储蓄方式可以选择。 高盈利企业的红利政策和利润政策比低盈利企业更灵活更多样化。 * 3.数据收集、处理技术的改进，减少了扰动项的方差。 如采用更先进的收集方法、登记方法、处理方法等。 * 4.异方差可能因为数据异常值而产生 * 5. 模型设定错