第二讲、异方差性的检验 重要!!!PPT.ppt

第二讲、异方差性的检验与消除： By Jimmy jimmy_young2005@163.com 傻瓜EViews系列 一、异方差性产生的原因与后果： 二、异方差性的检验： 三、异方差的消除： 四、修正后的检验： 五、权数的再修正和再检验： 六、一点说明： 一、异方差性产生的原因与后果： 原因：数据违背了OLS估计的五条基本前提假设之一： 在这种情况下数据具有了相异的方差，对于不同的样本点，随机误差项的方差不再是常数，是服从不同方差的正态分布的随机变量。 具体的经济问题中，由于不同样本点上解释变量以外的其他因素的差异较大，截面数据的样本往往出现异方差性。具体可以参考李子奈版《计量经济学》P55的例子。 后果： 由于异方差的存在已经使数据违背了OLS估计的五大基本原则，若不对数据进行处理就进行OLS估计，则会出现以下后果： (1)参数的估计量非有效(方差不再是估计值中最小的)。 (2)变量的显著性检验失去意义。 (3)模型的预测失效。 我们将拿下面的模型作例子，讲解对具有异方差的数据进行的修正和检验： 2001年我国各省，市，自治区的国内生产总值gdp和最终消费com来估计我国的消费函数。 根据凯恩斯理论中的消费函数形式，建立下列回归方程： 数据见下页: 二、异方差性的检验： 1、直方图检验： 2、White检验： 3、Park检验： 4、Glejser检验： 1、直方图检验 原理：观察残差项的直方图，图中显示残差项在一定的范围聚集，并且其高度明显不同，不满足残差项是随机项的要求，即残差项随时间不规则的上下跳动，而图则没有表现出这种随机性。判断回归是否有异方差性，观察直方图是其中的一种方法。 具体操作方法： 第一步、建立工作文档，输入数据并作OLS估计。目的是得到残差resid。 第二步、在主程序窗口的主菜单里选择：QUICK - GRAHP - BAR GRAPH 第三步、在出现的对话框中输入resid，并点击确  定，会出现： 分析：图中显示残差项在一定范围内聚集，并且高度明显不同，不满足 残差项是随机项的要求，即残差项随时间不规则的上下跳动，所以通过上面 的图和分析可以判定回归具有异方差性。 2、White检验： 第一步、对数据进行ols估计： 第二步、在ols估计的对话框中： 在得到的对话框中： Prob.比较大 ，可以判定数据具有显著的异方差。 （但是此处的prob.比较小，如小于0.05或0.1的显著水平，我们也不能断定数据不具有异 方差性，要结合其他方法进行 判断。） 3、Park检验： 原理：Park检验主要是寻找残差项的平方和自变量gdp是否有线性关系，如果有则说明回归结果有异方差性，如果没有则通过了异方差检验。 对回归结果的残差项做下面的回归方程 ： 第一步：先对gdp和com进行ols估计，目的是算出残差resid 第二步：再在数据框中选择的标题栏中的命令procs： 第三步：在出现的对话框中输入命令log(resid)^2 log(gdp) c 点击确定： 出现gdp和resid的关系估计结果： 可以看出回归结果拟合的效果不是很好，即常数项不特别显著，去掉常数项 ，重复上述步骤，再进行回归拟合，操作的结果分析如下页： 第四步：结果分析 回归结果满足一般线性回归的大部分条件(去了拟合优度不是很好外，其他的都得到了改善) ，即可以认为残差项和最终消费有下面的关系：  进一步说明： 只要回归残差项和自变量有着某种显著的线性或非线性的关系，我们都有理由怀疑原回归结果具有异方差性。 3、Glejser检验： 原理：这种方法和第二种方法差别不大，它是用残差 项的绝对值对gdp做回归来检验模型的异方差性。 形式：一般有以下四种形式： 以上四种情况的总结： 其各自的估计方法和perk检验操作步骤基本 相同，只要确认有其中一种关系显著存在， 我们就可以认为存在着异方差现象。 具体的操作步骤从略，可以参考原来的课件。 三、异方差的消除： 如果模型被检验证明存在异方差，则需要发展新的方法来估计模型，而不能再用ols法。 最常用的方法是加权最小二乘法(WLS)。 WLS的原理是寻找一个合时的权重，对原模型加权使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法。 Wls法的关键是权重的确定。 perk修正法： 根据上面第二部分讲到的perk检验法，我们得到这样的估计结果： 化简得到：