第4章 异方差.ppt

第4章 异方差 主要内容 第一节 什么是异方差？ 第二节 它的影响是什么？ 第三节 怎样去检验它？ 第四节 有什么补救措施？ 第一节 异方差性 同方差性 异方差性 第二节 异方差的后果 第三节、异方差性的判断 第四节、补救措施 应用Eviews举例 * 信息系刘康泽 * 中南财经政法大学刘康泽 对于模型 或 同方差假设为： ，如果出现 即对不同的样本点，随机误差项的方差不再是常数，而是各不相同，则认为出现了异方差。 密度 0 2 4 6 0 10 20 30 Y X 密度 0 100 200 300 0 5000 10000 15000 20000 X Y -8 -6 -4 -2 0 2 4 6 200 400 600 800 1000 1200 1400 当出现异方差而又使用普通的最小二乘法，则会出现如下后果： 1、参数估计量非有效性 若使用OLS法，此时得到的随机误差向量的方差协方差矩阵为 最小二乘估计为： 因而使用OLS 法，得到的估计量是无偏的，但不是有效的。 2、参数的显著性检验失去意义 因为在前面讨论的t 统计量和F 统计量都利用到了 如果出现了异方差而一味采用惯常的检验程序，将导致检验及区间估计的偏误。 3、模型的预测失效 一个重要的问题是：我们怎样知道在一个具体的情况中是否有异方差？实际中并不存在检验异方差性的严明法则，只有少数的经验规则。（异方差是一种常规而不是例外）我们介绍几种： 1、定性分析 如果对异方差性的性质没有任何先验或经验信息，实际上，可先在无异方差性的假定下作回归分析，以解释变量为横坐标，以残差平方为纵坐标得出二维散点图，从图中判断二者的相关性。这是非正式的方法，不够精确。 可能存在异方差 可能没有异方差 2、Goldfeld-Quandt检验法（1965） 这种检验方法仅适用大样本情形(n＞30)，要求满足条件： ①观测值的数目至少是参数的二倍；②随机项没有自相关并且服从正态分布。 此检验方法的基本思想是异方差性的常见形式之一是 具有递增方差。由于 的方差估计为 所以判断 是否有递增方差可以通过判断 是否显著变大来实现。依据这个简单的想法，提出了F 检验的检验方法，其具体步骤如下： 第一步，建立统计假设： 原假设 是同方差 备择假设 具有异方差 第二步，处理观测值： 将某个解释变量xi的观测值按由小到大的顺序排列．然后将居中的c个观测数据去掉，关于c的取值Goldfeld和Quandt 认为取样本容量(n＞30)的1/4为佳。再将剩余的n-c个数据分为的二组：数据较小的为一组子样本，容量为n1，数据较大约为另一组于样本，容量为n2。 第三步，建立回归方程求残差平方和： 对上述二组子样本观测值分别应用OLS法，建立回归方程。然后分别计算残差平方和，xi值较小的—组子样本的残差平方和为RSS1，xi值较大的—组严样本的残差平方和RSS2。 第四步．建立统计量： 用所得出的两个子样本的残差平方和构成F统汁量，当H0为真，则 在显著性水平 下，若F大于临界值 ，则认为由异方差存在。 3、White检验法（1980） 这种检验方法不需要对观察值排序，它是通过一个辅助回归式构造 统计量进行异方差检验，具体步骤为：（假设回归方程为 ） 第一步，建立统计假设： 原假设 是同方差 备择假设 具有异方差 第二步，辅助回归： 先对原方程进行OLS估计，得到残差 ，并对残差做辅助回归： 第三步，判别规则： 上述辅助回归中，在原假设H0成立的条件下统计 对上述辅助回归中得到拟合优度 。 上述辅助