异方差检验方法分析.docVIP

第10讲 异方差检验 10.1 同方差假定 模型的假定条件⑴ 给出Var(u) 是一个对角矩阵， Var(u) = ? 2I = ? 2 (10.1) 且u的方差协方差矩阵主对角线上的元素都是常数且相等，即每一误差项的方差都是有限的相同值（同方差假定）；且非主对角线上的元素为零（非自相关假定），当这个假定不成立时，Var(u) 不再是一个纯量对角矩阵。 　　　 Var(u) = ? 2 ? = ? 2?? 2 I (10.2) 当误差向量u的方差协方差矩阵主对角线上的元素不相等时，称该随机误差系列存在异方差，即误差向量u中的元素ut 取自不同的分布总体。非主对角线上的元素表示误差项之间的协方差值。比如 ? 中的 ?i j与? 2的乘积 ,（i ? j）表示与第i组和第j组观测值相对应的ui与 uj的协方差。若 ? 非主对角线上的部分或全部元素都不为零，误差项就是自相关的。 本章讨论异方差。以两个变量为例，同方差假定如图10.1和10.2所示。对于每一个xt值，相应ut的分布方差都是相同的。 图10.1 同方差情形 图10.2 同方差情形 10.2 异方差表现与来源 异方差通常有三种表现形式，（1）递增型，（2）递减型，（3）条件自回归型。递增型异方差见图10.3和10.4。图10.5为递减型异方差。图10.6为条件自回归型异方差。 图10.3 递增型异方差情形 图10.4 递增型异方差 图10.5 递减型异方差 图10.6 复杂型异方差 (1) 时间序列数据和截面数据中都有可能存在异方差。 (2) 经济时间序列中的异方差常为递增型异方差。金融时间序列中的异方差常表现为自回归条件异方差。 无论是时间序列数据还是截面数据。递增型异方差的来源主要是因为随着解释变量值的增大，被解释变量取值的差异性增大。 10.3 异方差的后果 回归参数估计量仍具有无偏性和一致性。但是回归参数估计量不再具有有效性。 10.4 异方差检验 10.4.1 定性分析异方差 (1) 经济变量规模差别很大时容易出现异方差。如个人收入与支出关系，投入与产出关系。 (2) 利用散点图做初步判断。 (3) 利用残差图做初步判断。 10.4.2 异方差检验 (1) White检验 White检验由H. White 1980年提出。Goldfeld-Quandt 检验必须先把数据按解释变量的值从小到大排序。Glejser检验通常要试拟合多个回归式。White检验不需要对观测值排序，也不依赖于随机误差项服从正态分布，它是通过一个辅助回归式构造 ?2 统计量进行异方差检验。White检验的具体步骤如下。以二元回归模型为例， yt = ?0 +?1 xt1 +?2 xt2 + ut (10.3) ①首先对上式进行OLS回归，求残差。 ②做如下辅助回归式， = ?0 +?1 xt1 +?2 xt2 + ?3 xt12 +?4 xt22 + ?5 xt1 xt2 + vt (10.4) 即用对原回归式中的各解释变量、解释变量的平方项、交叉积项进行OLS回归。注意，上式中要保留常数项。求辅助回归式(5.10)的可决系数R2。 ③White检验的零假设和备择假设是 H0: (5.9)式中的ut不存在异方差， H1: (5.9)式中的ut存在异方差 ④在不存在异方差假设条件下统计量 T R 2 ? ? 2(5) (10.5) 其中T表示样本容量，R2是辅助回归式(10.4)的OLS估计式的可决系数。自由度5表示辅助回归式(10.4)中解释变量项数（注意，不计算常数项）。T R 2属于LM统计量。 ⑤判别规则是 若 T R 2 ???2? (5), 接受H0 （ut 具有同方差） 若 T R 2 ?2? (5), 拒绝H0 （ut 具有异方差） （2）Glejser检验 检验 ?? 是否与解释变量xt存在函数关系。若有，则说明存在异方差；若无，则说明不存在异方差。通常应检验的几种形式是 ?? = a0 + a1 xt