353异方差的检验.ppt

* §5.3 异方差性的检验方法 一、残差图法 二、斯皮尔曼(Spearman)等级相关检验法 三 、戈特菲尔德—奎恩特(Goldfeld-Quandt)检验法 以上内容自学 四、帕克检验法 帕克(R.E.Park)检验法的基本想法是把残差图法加以形式 化，给出 关于xi 的具体函数结构形式，然后检验这种 结构是否显著。从而判定是否具有异方差性及其异方差 的函数结构。具体做法如下： 第一步，建立被解释变量y对所有解释变量x的回归方程， 然后计算残差 (i =1,2,…，n)。 第二步，取异方差结构的函数形式为 (5.3.8) 其中 ，β是两个未知参数， vi是随机变量。 (5.3.8)可以改写成对数形式 (5.3.9) 第三步，建立方差结构回归模型： 由于 未知，帕克建议用残差平方 来代替 。 于是(5.3.9)写成形式： (5.3.10) 记 , ， ，则(5.3.10)改写成 (5.3.11) (5.3.11)构成一个回归模型，对模型(5.3.11)应用 OLS法，得出α和β的估计值。 第四步，对β进行t检验。如果β不显著，则表明 β的真值为0，此时 实际上与xi无关，即没有异 方差性。否则，表明有异方差性存在。 帕克检验法的优点是不但能确定有无异方差性，而且 一旦确定有异方差性时，还能给出异方差性的具体函 数结构。它的缺点是(5.3.9)中的随机项vi仍可能有异方 差性，因而使帕克方法的使用效果受到影响。 例5.3.3 用帕克(Park) 检验法，检验例5.3.1中的数据有 无异方差性?如果有异方差性，请进一步确定异方差 的结构。 解：利用表5.3.1的数据(课本113页），用OLS法 作y对x的回归， 计算残差 对(5.3.10)进行估计得： 由上式看出，在0.05显著水平下，α和β都显著， 即α和β皆显著异于零，所以，原始数据中存在 异方差性。 由于 = -9.157326 ，所以 =0.000105444即 异方差结构为： 以上计算可利用EViews软件计算 1.建立回归方程: 2.定义变量: 定义变量:lnx 3.建立回归方程， 两个参数都显著，异方差明显存在 即异方差结构为： 小结： SMPL 1 15 LS y c x GENR LNE=LOG(RESID^2) GENR LNX=LOG(X) LS LNE C LNX 五、布罗特-帕甘检验(Breusch-Pagan test for heteroskeda-sticity, BP test ) 基本思想：模型 （5.3.12） 如果随机项u没有异方差，表明u与 无关， 如果随机项u存在有异方差，表明u与 相 关，一个简单的表示方法，假定是一个线性函数 （5.3.13） 式中 v应满足基本假定。显然，在同方差的假设下应有 我们就可利用F或LM检验，来检验 是否成立。 BP检验的步骤： 1.对（5.3.12）应用OLS法，得到u的估 值。 2.对（5.3.13）应用OLS法。 3.假设 ，备择假设H1 :H0不成立。 （RSS，ESS， 均为模型（5.3.13）的回归平方 和，残差平方和与拟合优度, k自变量的个数） 5.当H0成立时， 6.若 ，则否定H0即存在异方差。 4.对于（5.3.13）构造统计量 LM 检验 1.假设 备择假设H1：H0不成立 2.构造统计量 LM = 3.H0 成立时， 或写成 4.若 ，则否定H0即存在异方差。 注：拉格朗日乘数统计量 [Lagrange multiplier (LM) statistic] 例5.3.4用BP检验法，检验例5.3.1中的数据（课本113页） 有无异方差性? F检验在EViews 中，很方便可以完成： 第一步：建立回归方程Ls y c x，得到残差。 第二步：命令 e = genr resid^2 即 第三步：建立回归方程Ls e c x，可直接得到F值， 如图(5.3