级研究生 第五讲 异方差性课件.ppt

* （3）求F统计量值。基于表1和表2中残差平方和的 数据，即Sum squared resid的值。由表1计算得到 的残差平方和为 ，由表2计算得到的 残差平方和为 。 根据Goldfeld-Quanadt检验，F统计量为 * （4）判断 在 下，式中分子、分母的自由度均为6， 查F分布表得临界值为： 因为 ，所以拒绝原假设，表明模型确实存在异方差。 * （三）White检验 由表5.2估计结果，按路径view/residual tests/white heteroskedasticity（no cross terms or cross terms），进入White检验。 根据White检验中辅助函数的构造，最后一项为变 量的交叉乘积项，因为本例为一元函数，故无交叉 乘积项，因此应选no cross terms，则辅助函数 为： 经估计出现White检验结果，见表5.5。 * 从表5.5可以看出 由White检验知， 在 下，查 分布表得临界值 因为 所以拒绝原假设，不拒绝备 择假设，表明模型存在异方 差。 表5.5 * 四、异方差的修正 加权最小二乘法（WLS） 分别选用权数: 生成权数： 在Genr/Enter equation中分别键入： 经估计检验发现用权数 较好，下面只给出用权 数 的结果。 * 方法:在Estimate equation 中输入“ ”,点 option,在对话框中点 weighted LS,在weighted 中输入“ ”再点ok ,即出现加权最小二乘结果。 * 表 5.7 估计结果： 结论: 运用加权小二乘法消 除了异方差性后，参数的t检验 均显著，可决系数大幅提高， F检验也显著，并说明人口数 量每增加1万人，平均说来将 增加2.953个卫生医疗机构，而 不是引子中得出的增加5.3735 个医疗机构。 * 第五章 小 结 1.异方差性是指模型中随机误差项的方差不是常量，而且它的变化与解释变量的变动有关。 2.产生异方差性的主要原因有：模型中略去的变量随解释变量的变化而呈规律性的变化、变量的设定问题、截面数据的使用，利用平均数作为样本数据等。 3.存在异方差性时对模型的OLS估计仍然具有无偏性，但最小方差性不成立，从而导致参数的显著性检验失效和预测的精度降低。 * 4.检验异方差性的方法有多种，常用的有图形法、Goldfeld-Qunandt检验、White检验、ARCH检验以及Glejser检验，运用这些检验方法时要注意它们的假设条件。 5.异方差性的主要方法是加权最小二乘法，也可以用变量变换法和对数变换法。变量变换法与加权最小二乘法实际是等价的。 * 第 六 讲 结 束 了！ * (二)检验的特点 要求变量的取值为大样本 不仅能够检验异方差的存在性，同时在多变量的 情况下，还能判断出是哪一个变量引起的异方差。 * （三）检验的基本步骤： 以一个二元线性回归模型为例，设模型为： 并且，设异方差与 的一般关系为 其中 为随机误差项。 * 1.求回归估计式并计算 用OLS估计式（5.14），计算残差 ，并求残差的平方 。 2.求辅助函数 用残差平方 作为异方差 的估计，并建立 的辅助回归，即 （5.15） * 3.计算 利用求回归估计式（5.15）得到辅助回归函数的可决系数 ， 为样本容量。 4.提出假设 * 5.检验 在零假设成立下，有 渐进服从自由度为5的 分布。给定显著性水平 ,查 分布表得临界值 ，如果 ,则拒绝原假设，表明模型中随机误差存在异方差 。