第九章 异方差(1204).ppt

第9章 异方差：如果误差方差不是常数会有什么结果？ 本章基本内容 异方差性质 异方差后果 异方差诊断 异方差处理(克服)方法 9.1 异方差的性质 9.1 异方差的性质 9.1 异方差的性质 例9-1的结果简要说明 表9-1中资料显示，经纪人对机构投资者收取的平均每股佣金数据（美分）。四类机构投资者收取的平均佣金率存在显著不同，且方差也存在显著差异（详见表内下方数据）。 结果表明，不同经营规模的机构投资者的佣金率存在着较大的差异，则误差的方差也不同（异方差） 9.1 异方差的性质 9.1 异方差的性质 异方差性质:归纳结论 异方差:总体回归函数的随机扰动项的方差不相同,即随机扰动项的方差 随着观察值的不同而发生变化,这种情况就是异方差. 根据研究发现,异方差的问题多出现在截面数据,因为截面数据通常处理的是某个时点的样本,如个体的人、家庭、企业、行业、地区，这些样本的规模不同，如人的收入有低收入、中等收入、高收入；公司有小公司、中等公司、大公司，等等，都存在着规模效应。 9.2 异方差的后果 OLS估计量仍是线性的。 OLS估计量仍是无偏的。 OLS估计量不再具有最小方差性，即不再是有效的。 OLS估计量的方差 ，即 ，不再是真实 的无偏估计量。即最小二乘估计量的方差是有偏的。 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，即检验可能出现错误的结论。 总结:出现异方差的模型, OLS估计量仍是线性、无偏，但不再是有效的估计 9.2 异方差的后果 9.3 异方差的诊断：如何知道存在异方差问题？ 一些诊断工具 ： 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 （1）问题的性质 在消费对收入的回归分析中，残差方差随解释变量（收入）的增加而增加。事实上，在异质性（如：个人的不同收入水平；公司的不同规模）截面数据中，异方差是时常发生的。 （2）异方差的图形检验：近似的检验方法 图形说明：残差平方对一个或多个解释变量作散点图 图a为等方差 图b-e四个图形，都表明数据存在异方差 注意： 对于小样本，异常值很可能导致异方差的发生。 图9-7描绘了回归方程（9-3）的残差平方对工资Y的估计值的散点图(类似于图9-6b) （3）帕克检验 步骤： 做OLS回归 求得残差、残差平方及残差平方的对数 做残差平方对数（或残差平方）对每个解释变量对数（或解释变量X）的回归，也可以做残差平方对Y的估计值的回归。 检验： 如果模型的参数估计量B2统计检验不显著，则接受B2=0的假设，不存在异方差； 如果模型的参数估计量B2统计检验显著，则拒绝B2=0的假设，存在异方差 （3）帕克检验：举例 （4）格莱泽检验 类似于帕克检验。 用残差的绝对值对x回归（x也可以取平方根、倒数），参见（9-7、9-8、9-9） 如果参数B2统计检验不显著，接受B2=0的基本假设，不存在异方差； 如果参数B2检验显著，则拒绝B2=0的假设，表明存在异方差。 提醒：对于大样本，格莱泽检验是检验异方差比较理想的一种方法。 （5）怀特的一般异方差检验 步骤： 对模型进行OLS回归，得到残差 做辅助回归： e2=A1+A2X2+A3X3+A4X22+A5X32+A6X2X3+V 求得辅助回归方程的判定系数R2，n* R2~ⅹ2 （即样本容量与判定系数的乘积服从卡方分布） 如果n* R2＞卡方临界值，表明存在异方差；反之，则不存在异方差。 （5）怀特的一般异方差检验：举例 9.4 异方差补救措施：方法有两个 当 已知时：加权最小二乘法（method of weighted least square, WLS） （这种情况很少，很难获得误差方差） 当 未知时： 情形1：误差方差与 成比例：平方根变换；即将方程两边X的平方根 情形2：误差方差与 成比例。把方程两边同时除以X 9.4 观察到异方差该怎么办：补救措施 变换后的工资OLS回归模型 误差方差与X2成正比 模型两边同时除以X，得到如下工资模型 工资数据的双对数模型：不存在异方差 9.5 怀特异方差校正后的标准误和t 统计量 9.6 若干异方差实例 9.6 若干异方差实例 2-* Copyright ? 2006 The McGraw-Hill Companies, Inc. All rights reserved. McGraw-Hill/Irwin 例9.1 放松管制后纽约股票交易所（NYSE）的经纪人佣金 例9.2 52