第五章异方差性-精选（公开课件）.pptVIP

???异方差性 将讨论四个问题： ●异方差的实质和产生的原因 ●异方差产生的后果 ●异方差的检测方法 ●异方差的补救 （一） 异方差性的概念 1、异方差的实质 2、产生异方差性的原因 ●?从模型中略去的变量可能随列入模型的解释变量 的变 化，也呈现某种规律性的变化，导致 随 而变化。 例如模型本来应该为 却设定为 若 与 有关，如 事实上此时 这样模型中的随机项 及方差可能会随 的变动而变化。 ●?模型设定不恰当产生的异方差。 如果一些重要变量被忽略，随机项 随重要变量的变动而变动；或把 非线性模型设定为线性，可能导 致异方差 （二） 异方差性的后果 存在异方差时，OLS估计仍然是无偏估计（见P154附录 5.1的证明，只用到零均值假定），但是 1、OLS估计式不再具有最小方差特性 OLS估计式的方差不一定是最小的，即OLS估计 式虽然无偏，但不一定是最佳的。 ●最小方差性的证明条件之一——同方差性已不成立 （见P69证明第5行用到 的条件） ●存在异方差时，可证明能够再找到比OLS 的方 差更小的估计方法 （1） 参数估计式方差的确定会面临困难 例如一元回归中，可证明异方差时 未知，且不再是常数，也不能再用 去估计，因此事实上 已难以确定， 也将难 以确定。 （2）仍用OLS法会低估参数估计式的方差 （3）t检验和F检验将失效 （三） 异方差性的检验 1、图形分析法 基本思想： 异方差性的表现是 的方差随某个解释变量的变化而变化，或Y的分散程度随X的变化而变化。 因此可利用 的代表 与某解释变量的散布图，观察是否存在异方差及其异方差的形式，或从Y的分散程度与X的关系观测是否存在异方差。 具体方法： 假定不存在异方差，进行回归，并计算剩余平方 , 描绘 与 的散点图或Y与X的散点图，作出近似判断。 例如两个解释变量的模型中 设 与 的关系为如下辅助回归: 但一般 未知，可用原模型回归剩余的平方 作为 的 估计值，进行以上辅助回归。在大样本情况下寻求能确定 分布的统计量，判断 的变化是否与解释变量有关。 (当有K个解释变量时，可作类似的含两两交互的辅助回归)  2、加权最小二乘法(WLS) 基本思想： ●回顾用OLS法估计参数是使 这里不论 的大小对各观测值同等对待（因是同方差）。 ●在异方差且方差 已知的情况下，各观测值对决定回归线的作用应该有所差异。方差越小，其样本值偏离均值的程度越小，其观测值 越应受到重视。即方差越小， 在确定回归线时的作用应当越 大，反之方差越大，其观测值 所起的作用应当越小。 所以可以用方差的倒数 作为权数，即令 ，而使得 按这样的原则估计的 称为加权最小二乘 估计式(WLS) 模型变换与加权最小二乘法的关系 例如原模型 如果 为异方差，假定其方差为 即 则 （1）模型变换—— 原模型变换为 即 其中随机项 或 是同方差的，用OLS法估计参数，其剩余平方和为 （2）加权最小二乘法 用 方差的倒数 作为权数 其加权回归的剩余平方和为 对比模型变换后的剩余平方和： 二者的剩余平方和只相差常数 ，能使其中一个最小时必能使 另一个最小。用模型变换后的OLS估计的参数实际与应用加权最小 二乘法估计的参数是一致的。 (这也间接证明了加权最小二乘法可以消除异方差） （五） 案例分析 案例1:医疗机构与人口数量的关系(见引子) （一）问题的提出