计量经济学原理 第六章异方差性.pptVIP

（二）异方差形式未知时的估计——可行的加权最小二乘法 定义： 我们把估计的 记为 而不是用 的权重函数得到的估计量称为可行的加权最小二乘估计量（FWLS）。 有很多方法模型化异方差形式，这里介绍一种特殊的、比较灵活的方法 ，用 作为WLS估计中 假定随机误差 的方差为 （6-27） 这里 是原回归模型中的解释变量， 是未知的参数，如果用前面 的异方差表达式，那么这里 对于解释变量引起的异方差，我们可以用 如下几种方法来检验异方差。 一、图示检验法 二、帕克(Park)检验与戈里瑟(Gleiser)检验 三、G-Q（Goldfeld-Quandt）检验 四、F检验 五、拉格朗日乘子检验 六、怀特检验 一、图示检验法 图6-2 不同异方差类型 （图示检验法只能进行大概的判断） 二、帕克(Park)检验与戈里瑟(Gleiser)检验 基本思想： 以 或 为被解释变量，以原模型的某一个解释变量 为解释变量，建立如下回归方程： 或 选择关于变量Xj的不同函数形式，对方程进行估计并进行显著性 检验。如果存在某一种函数形式，使得方程显著成立，则说明原模型 存在异方差性。 三、G-Q（Goldfeld-Quandt）检验 基础 范围 基本思想 —— F检验 —— 样本容量较大、异方差递增或递减的情况 —— 按某一个解释变量对样本排序，再将排序后的样本一分为二， 对子样本①和子样本②分别作OLS回归，然后利用两个子样本 的残差平方和之比构造 F 统计量进行异方差检验。 步骤 （1）将n组样本观察值按某一被认为可能引起异方差的解释变量的观察值大小排序。 （3）对每个子样分别进行OLS回归，并计算各自的残差平方和。分别用 表示较小的与较大的残差平方和（自由度均为 ）。 （2）将序列中间的c个观察值除去，并将剩下的观察值划分为较小与较大的相同的 两个子样本，每个子样样本容量均为 , 这样做主要是为了突出小方差 样本和大方差样本之间的差异。 步骤 （4）在同方差性假定下，构造如下满足F分布的统计量： （5）给定显著性水平 ，确定临界值 。若 则拒绝同方差性假设，表明原模型随机干扰项存在异方差性。 当然，还可根据两个残差平方和对应的子样的顺序判断是递增 型异方差还是递减异型方差。 ， 注意： 1）G-Q检验结果有时要依赖于省略的样本个数c的大小。 根据蒙特卡洛试验结果和实际经验，Judge等人建议 若n 为30 左右，c 取4；若n 为60 左右，c 取10。 2）G-Q检验需要按照某一被认为有可能引起异方差的解释变量 观察值的大小排序，因此，可能需要对各个解释变量进行轮 流试验，而且它只适合检验单调递增或递减型异方差。 四、F 检验 考虑我们常用的多元线性回归模型 假定该模型满足高斯马尔科夫假设，特别地我们假设 OLS估计依然是无偏、一致估计 同方查差假设意味着 等价于 只需检验 是否与一个或多个解释变量相关，可估计如下方程 然后检验该方程的总体显著性，统计量为 五、拉格朗日乘子检验 (6-11) 用于检验异方差的LM统计量可以通过下式得到 步骤 （1）用OLS估计模型，得到OLS回归残差平方 序列。 （2） 对（6-9）进行回归，记下回归得到的拟合优度 。 （4） 如果BP检验的P值很小，那就应该采取一些纠正的措施，一个可能的 措施就是用异方差稳健标准差和前面讨论过的检验统计量。 （3） 计算LM统计量相应的P值（查 分布表得到的概率），如果P值足够 小，即小于给定的显著性水平的话，那么我们就拒绝同方差的零假设。 六、怀特检验 与多个解释变量可能存在非线性关系 范围： 下面以两个解释变量的回归模型为例来说明怀特检验的基本思想与步骤。 例： 对于二元回归模型 （6-12） 先做OLS回归，再做如下辅助回归 相应的LM统计量为 可在大样本情况下进行 检验，也可用F统计量进行检验 当辅助回归中的解释变量较多时，可去掉交叉项或用被解释变量的预测估计值做解释变量 例6-5 一个异方差检验的说明性例子 给定如下农村居民人均消费函数回归模型： （6-14） 相关数据如表6-1。 Y表示农村家庭人均消费支出， 表示从