南开大学计量课件多元线性回归异方差问题.pptVIP

* 3、异方差检验 图示法检验： 残差平方与自变量呈比较典型的喇叭型 * * 4、异方差模型的估计 加权最小二乘法 在分析收入对储蓄的影响的时候，权数变量可以选取 hi=inci 于是基本模型savi=a0+a1 inci+ei变为 * Proce=Equation=Option=选定异方差、给出权数名==OK * 加权最小二乘法估计结果 * 加权最小二乘法残差与X的散点图 * WLS处理后的残差图 例9.5工资回归 收集了523个工人的若干变量数据，在这里只考虑工资与教育和经验的关系。假定其他变量保持不变，考虑如下模型： Wage=B1+B2edu+B3exper+ui * 异方差检验 (1)描绘ei2与工资的关系图 * 异方差检验 （2）布鲁斯-培根检验 （3）戈里瑟检验 ? （4）怀特检验 * 异方差的解决方法 （1）加权最小二乘法： 考虑edu的-2；-1.5；-1；-0.5；0；0.5；1；1.5；2次幂 （2）纠正异方差的一个可行程序 （3）变化模型形式 * * 第九章 多元线性回归的异方差问题 一、异方差及其影响 二、异方差的发现和判断 三、异方差的解决方法 * 一、异方差及其影响 1、异方差的定义： 对于多元线性回归模型，如果随机扰动项的方差并非是不变的常数，则称为存在异方差（heteroscedasticity)。异方差可以表示为 。 或 * 两变量线性回归模型的异方差 * 1、异方差的定义 异方差主要出现在截面数据分析中，例如大公司的利润变化幅度要比小公司的利润变化幅度大，即大公司利润的方差比小公司利润的方差大。这取决于公司的规模、产业特点和研究开发支出多少等因素。又如高收入家庭通常比低收入家庭对某些商品的支出有更大的方差。 例9.1：人均家庭支出（cum)和可支配收入（in)的关系模型 给出中国1998年各地区城镇居民平均每人全年家庭交通及通讯支出（cum)和可支配收入（in)的数据，估计两者之间的关系模型 * 2、异方差的影响 1、OLS估计量不再是BLUE，其是无偏和一致的，但并非有效的，即不再具有方差最小性。 2、检验假设的统计量不再成立，建立在t分布和F分布之上的置信区间和假设检验不可靠。 * 二、异方差的发现和判断 （一）残差的图形检验 （二）Breusch-Pagan检验 （三）戈里瑟检验（Glejser test） （四）怀特检验（White test） * （一）残差的图形检验 这是一种最直观的方法，它以某一变量（通常取因变量）作为横坐标，以随机项的估计量e或e2为纵坐标，根据作出的散点图直观地判断是否存在相关性。如果存在相关性，则存在异方差。通常的方法是先产生残差序列，再把它和因变量一起绘制散点图。 例9.2：利用该方法绘制上一章关于美国机动车消费量的模型中QMG与残差的散点图。 * （二）Breusch-Pagan检验 假设回归模型如下： 检验假定线性函数 * 步骤： 1、作普通最小二乘回归（1），不考虑异方差问题。 2、从原始回归方程中得残差ui，并求其平方。 3、利用原始模型中的解释变量作形如上式(2)的回归，记下这个回归的R平方 。 4、检验零假设是 对方程（2）进行F检验，或计算LM统计量进行检验。 * （三）戈里瑟检验 1、通常拟合 和 之间的回归模型： 根据图形中的分布选择 2、再检验零假设 ＝0（不存在异方差）。如果零假设被拒绝，则表明可能存在异方差。 * （四）怀特检验 假设有如下模型： （3） 基本步骤： 1、首先用OLS方法估计回归方程（3）式。 2、然后作辅助回归： （4） * 3、求辅助回归方程的R2值。在零假设：不存在异方差下，White证明了，从方程（4）中获得R2值与样本容量（n）的积服从卡方分布 自由度等于（4）式中的解释变量的个数。 4、根据样本计算统计量n*R2值，并与所选取的显著性水平进行比较，看是否接受零假设（零假设为残差不存在异方差性）。 5、Eviews计算：View-Residual Tes