计量经济学第十一章.pptVIP

计量经济学主讲人：薛明皋 * 第11章 异方差性 §11-1 异方差性的概念 §11-4 异方差性的检验 §11-2 广义最小二乘法(GLS) §11-5 克服异方差性的方法 §11-3 异方差性的后果 对于模型 （i=1，2，叄琻） 同方差性假设为 （i=1，2，叄琻） 如果出现 （i=1，2，叄琻） 即对于不同的样本点i ，随机误差项的方差不再是常数，则认为出现了异方差性。 这里需要再次重复强调的是，对于每一个样本点i，随机误差项mi都是随机变量，服从均值为0的正态分布；所谓异方差性，是指这些随机变量服从不同方差的正态分布。 §11-1 异方差性的概念 异方差的类型 同方差性假定的意义是指每个mi围绕其0均值的变化，并不随解释变量Xi的变化而变化，不论解释变量观测值是大还是小，每个mi的方差保持相同，即 si2 =常数 在异方差的情况下，si2已不是常数，它随Xi的变化而变化，即 si2 =f (Xi) (B) 密度 储蓄Y 收入X (A) 密度 储蓄Y 收入X 储蓄与收入：异方差性 (B)图储蓄的方差随收入的增加而增加。 解释：随收入增长，人们有更多的备用收入，从而如何支配他们的收入有更大的选择范围。 解释：按照边错边改学习模型，人们在学习的过程中，其行为误差随时间而减少 边错边改学习模型 异方差一般可归结为三种类型： （1）单调递增型： si2随X的增大而增大； （2）单调递减型： si2随X的增大而减小; （3）复 杂 型： si2与X的变化呈复杂形式。 （1）模型中缺失了某些解释变量 例： 服装需求函数模型 服装需求量为被解释变量，收入、服装价格和其他商品价格为解释变量，于是有： i=1，2，叄琻 在该模型中，气候因素没有包括在解释变量中，其影响被包含在随机误差项中。如果该项影响构成随机误差项的主要部分，则可能出现异方差性。 为什么？ 实际经济问题中的异方差性 解释： 对于不同的样本点，即对于不同的收入的消费者，由于气候变化带来的对服装需求量的影响是不同的。高收入者在气候变化时可以拿出较多的钱购买服装以适应气候的变化，而低收入者的适应能力则很有限。于是不同收入的消费者的服装需求量偏离均值的程度是不同的，也就是说不同收入的消费者的服装需求量具有不同的方差，这就产生了异方差性。更进一步分析，在这个例子中，随机误差项的方差是随着解释变量（收入）的观测值的增大而增大。 单调递增型 （2）样本数据的观测误差 例如，以绝对收入假设为理论依据、以截面数据作样本建立居民消费函数： Ci= b0+b1Ii+mi 将居民按照收入等距离分成n组，取组平均数为样本观测值。 居民消费模型 一般情况下：居民收入服从正态分布，处于中等收入组中的人数最多，处于两端收入组中的人数最少。而人数多的组平均数的误差小，人数少的组平均数的误差大。所以样本观测值的观测误差随着解释变量观测值的增大而先减后增，从而出现了异方差性。 横截面数据易出现异方差 以某一行业的企业为样本建立企业生产函数模型 Yi=Aib1 Kib2 Lib3emI 产出量为被解释变量，选择资本、劳动、技术等投入要素为解释变量，那么每个企业所处的外部环境对产出量的影响被包含在随机误差项中。 由于每个企业所处的外部环境(宏观经济政策等等)对产出量的影响程度不同，造成了随机误差项的异方差性。 企业生产函数模型 这时，随机误差项的方差并不随某一个解释变量观测值的变化而呈规律性变化，为复杂型的一种。 出现异方差的原因 1、边错边学习 2、随着收入的增长，人们有更大的选择范围 3、随着数据采集技术的改进，方差可能减小 4、异方差性还会因为异常值的出现而产生 5、异方差性的另一来源来自回归模型的设定误差。 异方差性问题在横截面数据中比时间序列数据中更为常见 出现异方差性时的OLS估计 1.以双变量模型为例: 2.OLS估计量: 3.估计量的方差: 4.对于同方差: §11-2 广义最小二乘法(GLS) GLS的思想：是通过变量替换，将异方差性转化为同方差性，再利用OLS求出所需估计量。 策略：对来自变异大的总体的观测值作较小的加权，而对来自变异较小的总体的观测值则作较大的加权。 也称为加权最小二乘法。 在异方差的假定下，由于不同的解释变量使残差偏离均值的离散程度不一样，应该对不同的残差平方和赋予不同的权重。 2.以双变量模型为例： (1).模型: (2).