实用回归分析(-3).pptVIP

4.2 一元加权最小二乘估计 图4.2 加权最小二乘残差图残差图 4.2 一元加权最小二乘估计 序号 小 方 差 组 1 264 8777 1.2161E-06 169 211 2 105 9210 1.1314E-06 -27 14 3 90 9954 1.0069E-06 -105 -66 4 131 10508 9.2837E-07 -111 -74 5 122 10979 8.6927E-07 -159 -124 6 107 11912 7.6917E-07 -253 -221 7 406 12747 6.9485E-07 -25 4 8 503 13499 6.3760E-07 8 35 9 431 14269 5.8669E-07 -129 -105 10 588 15522 5.1710E-07 -78 -58 4.2 一元加权最小二乘估计 序号 中 等 方 差 组 11 898 16730 4.6212E-07 130 146 12 950 17663 4.2599E-07 103 116 13 779 18575 3.9501E-07 -146 -135 14 819 19635 3.6346E-07 -195 -188 15 1222 21163 3.2481E-07 78 80 16 1702 22880 2.8895E-07 413 409 17 1578 24127 2.6684E-07 183 176 18 1654 25604 2.4408E-07 134 122 19 1400 26500 2.3181E-07 -195 -211 20 1829 27670 2.1726E-07 134 115 21 2200 28300 2.1005E-07 452 431 4.2 一元加权最小二乘估计 序号 大 方 差 组 22 2017 27430 2.2012E-07 343 324 23 2105 29560 1.9676E-07 250 225 24 1600 28150 2.1173E-07 -135 -156 25 2250 32100 1.7388E-07 180 147 26 2420 32500 1.7068E-07 317 281 27 2570 35250 1.5110E-07 234 190 28 1720 33500 1.6309E-07 -468 -507 29 1900 36000 1.4640E-07 -500 -546 30 2100 36200 1.4519E-07 -317 -364 31 2300 38200 1.3394E-07 -286 -340 回归模型存在异方差时，加权最小二乘估计只是对普通二乘的改进（可能是细微的），不能理解为加权最小二乘估计一定会得到比普通截然不同的回归方程，或者一定有大幅的改进（可以构造数据，回归模型具有明显的异方差性，但是两个回归方程完全一样）。 加权最小二乘以牺牲大方差项的拟合效果为代价改善了小方差项的拟合效果，并不总是研究者需要的。所以在一定场合下，即使数据存在异方差，也可以选择使用普通最小二乘估计。 4.2 一元加权最小二乘估计 4.3 多元加权最小二乘 当误差项εi存在异方差时，加权离差平方和为 记 加权最小二乘估计WLS的矩阵表达 4.3 多元加权最小二乘估计 通常取权函数W为某个自变量xj（j=1,2,…，p）的幂函数，即， 在x1,x2,…,xp这p个自变量中取哪一个？ 这只需计算每个自变量xj与普通残差的等级相关系数，选取等级相关系数最大的自变量构造权函数。 二、权函数的确定方法 4.3 多元加权最小二乘估计 例4.4 续例3.2，研究北京市各经济开发区经济发展与招商投资的关系。 因变量y为各开发区的销售收入（百万元）， x1为截至1998年底各开发区累计招商数目， x2为招商企业注册资本（百万元）。 计算出普通残差的绝对值ABSE=|ei|与x1、x2的等级相关系数，re1=0.443，re2=0.721，因而选取x2构造权函数。 4.3 多元加权最小二乘估计 4.3 多元加权最小二乘估计 仿照例4.3，用Weight Estimate估计幂指数m，得m的最优值为m=2。 由于m=2是在默认范围[-2，2]的边界，因而应该扩大范围重新计算。取m从1到5，步长仍为0.5，得m的最优值为m=2.5 4.3 多元加权最小二乘估计 4.3 多元加权最小二乘估计 4.3