异方差和自相关方程.pptVIP

第三章 异方差和自相关 本章要点 异方差的定义、产生原因及后果 异方差的检验方法 异方差的修正方法 自相关的产生原因 忽略自相关的严重后果 自相关的检验 自相关的修正 在前面的章节里我们已经完成了对经典正态线性回归模型的讨论。但在实际中，经典线性回归模型的基本假定经常是不能得到满足的，而若在此状况下仍应用OLS进行回归，就会产生一系列的问题，因此我们就需要采取不同的方法对基本假定不满足的情况予以处理。 在本章中，我们将着重考虑假定2和假定3得不到满足，即存在异方差和自相关情况下的处理办法。 第一节 异方差的介绍 一、异方差的定义及产生原因 异方差(heteroscedasticy)就是对同方差假设(assumption of homoscedasticity)的违反。经典回归中同方差是指随着样本观察点X的变化，线性模型中随机误差项 的方差并不改变，保持为常数，即 i=1,2,…,n (3.1) 如果的数值对不同的样本观察值各不相同，则称随机误差项具有异方差，即 常数 i=1,2,…n (3.2) 图3-1 异方差直观图 为什么会产生这种异方差性呢？