计量经济学课件异方差.pptVIP

异方差 回顾线性回归模型假设 假定1：在重复抽样中解释变量X是确定性变量——固定的（非随机，而且解释变量之间不相关） 假定2：随机误差项具有0均值和同方差。即， E(ui|Xi)=0 Var(ui|Xi)=?2 假定3：随机误差项在不同样本点之间是独立的。即， Cov(ui,uj)=0 假定4：随机误差项与解释变量之间不相关。即， Cov(ui,Xi)=E(uiXi)=0 假定5：随机误差项服从0均值、同方差的正态分布。即， ui ~ N(0,?2) 第七章 异方差 模型违反5项基本假定之二——同方差，称为异方差。 此时，LS估计量失去优良性。需要发展估计模型参数的补救方法。 同方差 异方差 主要内容 一、异方差的定义 二、产生异方差的背景 三、异方差性的后果 四、异方差性的检验 五、异方差的处理（加权最小二乘法）（WLS） 六、Eview 处理异方差的步骤 一、异方差的定义 异方差是相对于同方差而言的。异方差在横截面数据中比时间序列数据更为常见 同方差：在经典线性回归模型的基本假定2中，随机扰动项ui的对每一个样本点的方差是一个等于?2的常数，即： Var(ui)=?2=常数 i=1,2,…,n 异方差：是指随机扰动项ui随着解释变量Xi的变化而变化，即： Var(ui)= ?2 i= ?2 f(Xi) i=1,2,…,n 但ui仍然是一个服从正态分布的随机变量 返回 二、产生异方差的背景 一、按照边错边改学习模型（error-learning models），人们在学习的过程中，其行为误差随时间而减少。在这种情况下，预料的会减少。例如，随着打字练习小时数的增加，不仅平均打错个数而且打错个数的方差都有所下降。 二、随着收入的增长，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。因此，在做储蓄对收入的回归时，很可能发现，由于人们对其储蓄行为有更多的选择，与收入俱增。 三、随着数据采集技术的改进，可能减少。 四、异方差还会因为异常值的出现而产生。一个超越正常值范围的观测值或称异常值是指和其它观测值相比相差很多（非常小或非常大）的观测值。 五、回归模型的设定不正确也会造成异方差。例如，在一个商品的需求函数中，若没有把有关的互补商品和替代商品的价格包括进来（忽略变量偏差），则回归残差就可能出现异方差。 产生异方差的三个实例 1服装需求函数 没有考虑气候因素，气候对q的影响包含在ui中 高I拿出更多钱适应气候 低I正是“可怜老汉衣正单心忧炭贱愿天寒” 不同I对q的需求偏离程度不同，ui的方差随着收入增大而增大。 2按收入分组数据的平均数建立的消费函数 因为收入I服从正态分布 截面数据中高、低收入组的家庭数少于中收入组，因观察个数不同造成各组平均数的方差呈现U型分布。（见下图） 如果这种观测误差站随机误差项的主要部分，那么将随收入成规律变化。 3随机误差项方差与解释变量无关 以某行业各个企业为样本建立生产函数 解释变量中没有包括外部环境，那么各个企业外部环境对产出的影响，归入随机误差项。 由于外部环境不同造成异方差，但这里的方差与解释变量无关，不呈现规律性。 三、异方差性的后果 1、参数的OLS估计仍然是线性无偏的，但不是最小方差的估计量 2、t检验失效 3、降低预测精度 由于异方差，会使得OLS估计的方差增大，从而造成预测误差变大，降低预测精度。 1、参数的OLS估计仍然是线性无偏的，但不是最小方差的估计量 2、变量的显著性检验失效 四、异方差性的检验 1、图解法 2、集团法（双变量模型） 3、帕克(Park)检验 4、格莱泽(Glejser)检验 5、White检验 图示法及其类型 异方差是指e的方差随着x的变化而变化。 故可以根据x-y或残差x-e2的散点图，对异方差是否存在及其类型作出判断。 异方差大致可分为三种： （1）递增异方差 （2）递减异方差 （3）复杂型异方差 怎样通过Eviews作x-y散点图 Scat y x 回车 （作散点图的命令） 其中 y（第一位）是y轴，x（第二位）是x轴。并观察其是否成： （1）喇叭型或倒喇叭型 （2）纺锤型或反纺锤型 （3）以及其它有规则的图形（除线性条形）。 以上三种均可能存在异方差。 怎样通过Eviews作x- e2 散点图 1、键入 LS y c x 作回归 2、键入 GENR E1=resid