第9章 异方差：PPT.pptx

第9章异方差：如果误差方差不是常数会有什么结果？本章内容第一节 异方差的性质第二节 异方差的后果第三节 异方差的诊断第四节 异方差的补救措施9.1 异方差的性质定义：对于不同的观测点，随机扰动项ui的方差不同。用公式表示为：异方差问题多存在于横截面数据中。第一节 异方差的性质例9.1 放松管制后纽约股票交易所（NYSE）的经纪人佣金9.1 异方差的性质差异产生的原因：存在规模效应——交易量越大，交易成本就越低，因而平均成本也越低。例9.2 523个工人的工资等数据图9-3 回归方程（9.3）的残差平方9.1 异方差的性质9.1 异方差的性质9.2 异方差的后果（1）OLS估计量仍是线性的。（2） OLS估计量仍是无偏的。（3） OLS估计量不再具有最小方差性，即不再是有效的。（4） OLS估计量的方差通常是有偏的。（5）偏差的产生是由于 ，即 ，不再是真实 的无偏估计量。（6）建立在t分布和F分布之上的置信区间和假设检验是不可靠的。图 9-5假想总体和样本表现出的异方差性9.2 异方差的后果双变量的回归模型中，OLS的残差平方和为：在OLS估计中，无论是来自较大方差的总体还是较小方差的总体，每个 都有相同的权重。【直接相加的，所以权重相同】这么做似乎不太合理，理想的做法是赋予来自较小方差总体的观测值更大的权重。【因为要使得总和最小，因此较小的方差应该赋予大的权重，不然无法实现和的最小】这就是加权最小二乘法（WLS）。为什么异方差性下OLS估计是无效的？第三节 异方差的诊断检验回归模型中是否存在异方差问题，也就是检验对于不同的观测点i，随机扰动项ui的方差是否相同。然而，我们很少能够知道整个总体的信息。更一般地，我们仅仅知道一个样本。也就是说我们仅有与给定变量X值相对应的单独的一个Y值。而根据单独的这个Y值无法确定对应于给定X值的Y的条件分布的方差。与多重共线性的情形相同，并没有诊断异方差的确定方法，只能借助一些诊断工具判断异方差的存在。一些诊断工具 ：根据问题的性质残差的图形检验帕克检验（Park test） 格莱泽检验（Glejser test） 怀特的一般异方差检验（White General Heteroscedasticity Test） 异方差的其他检验方法9.3 异方差的诊断：如何知道存在异方差问题？9.3.1问题的性质:【例如消费对收入的回归，截面数据包含了大、中、小型公司时也很可能存在异方差。】9.3 异方差的诊断：如何知道存在异方差问题？图9-6 假想的 模式 9.3 异方差的诊断：如何知道存在异方差问题？ 9.3.2残差图检验9.3 异方差的诊断：如何知道存在异方差问题？图9-7与（9.3）式工资的估计值 由图形法可知，如果存在异方差问题，那么异方差 可能与一个或多个解释变量系统相关。利用这一原理，帕克作 对一个或多个解释变量的回归。例如在双变量模型中，我们可以得到如下的回归模型：这就是我们通常所说的帕克检验。注意，在帕克检验中模型的函数形式是不唯一的。9.3.3帕克检验（1）在实际应用中，帕克建议用 来代替 ，得到下面的回归模型：注意：在帕克检验的方程中误差项也可能存在异方差问题。一、帕克检验（2）一、帕克检验（3）帕克检验的步骤： 1.作普通最小二乘回归，不考虑异方差问题。 2.从原始回归方程中求得残差序列ei ,并求其平方,再取对数形式。 3.利用原始模型中的一个解释变量做回归；如果有多个解释变量，则对每个解释变量作上面形式的回归，或者作被解释变量估计值的回归。 4.检验零假设:B2=0。 5.如果拒绝零假设，则原模型中存在异方差问题；如果接受零假设，则表示为同方差。9.3.3 工资回归与帕克检验从原始模型中获得残差ei之后，格莱舍尔建议做残差的绝对值|ei|对Xi的回归分析。函数形式如下:在每种情形下，若都接受零假设：B2=0，则表示不存在异方差；如果有一种情况拒绝零假设，则表明可能存在着异方差。9.3.4格莱泽Glejser检验假定有如下回归模型：怀特检验步骤：1.首先用OLS估计回归方程，获得残差ei。2.作辅助回归：9.3.5 怀特的一般异方差检验（1）3.求辅助回归方程的R2值。在零假设:不存在异方差下，怀特证明了R2值与样本容量n的乘积服从 分布:自由度等于辅助回归方程中解释变量的个数,不包括截距项。4.如果从辅助回归方程中计算得到的统计量值大于所选显著水平下分布的临界值，则拒绝零假设，表示存在异方差。如果计算的统计量的值小于临界值，则不能拒绝零假设。9.3.5 怀特检验（2）9.3.5 怀特检验（3）（1）Spearman 秩相关检验。（2）Goldfeld-Quanld检