异方差性的检验方法.pptVIP

* §5.3 异方差性的检验方法 由于异方差的存在会导致OLS估计量的最佳性丧失，降低精确度。所以，对所取得的样本数据（尤其是横截面数据）判断是否存在异方差，是我们在进行正确回归分析之前要考虑的事情。异方差的检验主要有图示法和解析法，下面我们将介绍几种常用的检验方法。 总体检验思路： 由于异方差性就是相对于不同的解释变量的观测值，随机误差项具有不同的方差。那么： 检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。 问题在于用什么来表示随机误差项的方差？ 一般的处理方法： 首先采用OLS法估计模型，以求得随机误差项的估计量我们称之为“近似估计量”，仍用 表示。则我们有： 即用 来表示随机误差项的方差。 几种异方差的检验方法： 一、图示法 （1）用X-Y的散点图进行判断 看是否存在明显的散点扩大、缩小或复杂型趋势（即不在一个固定的带型域中） 看是否形成一斜率为零的直线 （2）用X- 的散点图进行判断 一、残差图法 解析法 检验异方差的解析方法的共同思想是：由于不同的观察值随机误差项具有不同的方差，因此检验异方差的主要问题是判断随机误差项的方差与解释变量之间的相关性，下列这些方法都是围绕这个思路，通过建立不同的模型和验判标准来检验异方差。 §5.3 异方差性的检验方法 二、斯皮尔曼(Spearman)等级相关检验法 我们以一元线性回归模型为例，说明斯皮尔曼 等级相关检验法的步骤： 第一步，对原模型应用OLS法，计算残差 ，i =1,2,…，n。 第二步，计算｜εi｜与xi的等级差di。将｜εi｜ 和自变量观察值xi按由小到大或由大到小的顺序 分成等级。 然后，计算｜εi｜与xi的等级差di di = xi的等级-∣εi∣的等级 (5.3.2) 第三步，计算｜εi｜与xi的等级相关系数 (5.3.3) 其中n为样本容量。 第四步，对总体等级相关系数 进行显著性检验 。当H0成立时，可以证明统 计量 ～ t( n - 2 ) (5.3.4) 对给定的显著水平α，查t分布表得 的临 界值，若｜T｜＞ ，表明样本数据异方 差性显著，否则，认为不存在异方差性。 对于多元回归模型，可分别计算｜εi｜与每个解释 变量的等级相关系数，再分别进行上述检验。 例5.3.1 家庭年收入x和年生活支出y的横断面数据如下表。利用线性模型研究不同收入水平家庭的消费情况，试讨论原始数据有无异方差性。 解：应用普通最小二乘法对模型进行估计，得 从而可以算出 和 的等级及等级差。 故拒绝原假设，即原始数据存在显著的异方差。 三、戈特菲尔德—奎恩特(Goldfeld-Quandt)检验法  Goldfeld-Quandt检验法是由S.M.Goldfeld和R.E. Quandt于1965年提出的。这种检验方法仅适用大样 本情形( n＞30)，并且要求满足条件：①观测值的数 目至少是参数的二倍；②随机项没有自相关并且服从 正态分布。 此检验方法的基本思想是:异方差性的常见形式之一 是随着自变量的增大，随机项u具有递增方差性，由 于u的方差估计量为 (5.3.6) 所以判断u是否有递增方差可以通过判断是否显著 变大来实现。 第一步，建立统计假设：原假设H0: ui是同方差 (i =1,2，…，n) ，备择假设H1: ui具有异方差。 第二步，处理观测值： 将某个解释变量xi的观测值按由小到大的顺序排列， 然后将居中的c个观测数据去掉，关于c的取值Gol dfeld和Quandt认为取样本容量(n＞30)的 为佳。 再将剩余的n- c个数据分为数目相等的二组： 数据较小的为一组子样本，数据较大的为另 一组子样本。 第三步，建立回归方程求残差平方和： 对上述二组子样本观测值分别应用OLS法，建立 回归方程。然后分别计算残差平方和：记xi值较小 的一组子样本的残差平方和为 ，xi值较大的 一组子样本的残差平方和为 。 第四步，建立统计量：用所得出的两个子样本的残 差平方和构造 F 统计量，若H0为真，则 (5.3.7) 式中n为样本容量(观测值总数)，c为被去掉的观测 值的数目，k为模型中自变量的个数。 第五步，作结论： 若 F ≥