放宽基本假定的回归模型异方差.pptVIP

实证常用步骤 例如，如果对一元模型，经检验（如通过戈里瑟检验）知： 相应这个新模型的方差 满足同方差性，再用OLS估计。 模型变换法实际上是WLS的一种。 2. 模型变换法 可以将模型两边同时除以 对模型两边的变量同时取对数，由于尺度缩小，可以降低异方差性的影响 3. 模型的对数变换 注意，这不是等价变换！ 这样做，也可以估计出来所谓的“弹性”等应用解释。 对于多元线性回归模型： Y=X?+U U的方差-协方差矩阵为 4*. 广义最小二乘法（GLS） Ω为n阶实对称正定矩阵； 如果同方差，则Ω=I 这叫做原模型的GLS估计 例: 中国农村居民人均消费支出主要由人均纯收入来决定。 农村人均纯收入包括(1)从事农业经营的收入，(2)包括从事其他产业的经营性收入(3)工资性收入、(4)财产收入(4)转移支付收入。 考察从事农业经营的收入(X1)和其他收入(X2)对中国农村居民消费支出(Y)增长的影响: 七、案例：中国农村居民人均消费函数 普通最小二乘法的估计结果： 异方差检验 进一步的统计检验 (1)G-Q检验 将原始数据按X2排成升序，去掉中间的7个数据，得两个容量为12的子样本。 对两个子样本分别作OLS回归，求各自的残差平方和RSS1和RSS2： 子样本1： (3.18) (4.13) (0.94) R2=0.7068， RSS1=0.0648 子样本2： (0.43) (0.73) (6.53) R2=0.8339， RSS2=0.2729 计算F统计量： F= RSS2/RSS1=0.2792/0.0648=4.31 查表 给定?=5%，查得临界值 F0.05(9,9)=2.97 判断 F F0.05(9,9) 否定两组子样方差相同的假设，从而该总体随机项存在递增异方差性。 （2）怀特检验 作辅助回归: （-0.04）(0.10) (0.21) (-0.12) (1.47) (-1.11) R2 =0.4638 似乎没有哪个参数的t检验是显著的 。但 n R2 =31*0.4638=14.38 ?=5%下，临界值 ?20.05(5)=11.07，拒绝同方差性 去掉交叉项后的辅助回归结果 (1.36) (-0.64) (064) (-2.76) (2.90) R2 =0.4374 X2项与X2的平方项的参数的t检验是显著的，且 n R2 =31? 0.4374=13.56 ?=5%下，临界值 ?20.05(4)=9.49 仍然拒绝同方差的原假设 回归分析，是在对线性回归模型提出若干基本假设的条件下，应用普通最小二乘法得到了线性的、无偏的、有效的参数估计量。 但是，在实际的计量经济学问题中，完全满足这些基本假设的情况并不多见。 如果违背了某一项基本假设，那么应用普通最小二乘法估计模型就不能得到无偏的、有效的参数估计量，OLS法失效，这就需要发展新的方法估计模型。 本章就是来学习打破经典假定下的回归模型 说 明 基本假定违背：不满足基本假定的情况。 主要包括： （1）随机误差项序列存在异方差性； （2）随机误差项序列存在序列相关性； （3）解释变量之间存在多重共线性； （4）解释变量是随机变量且与随机误差项相关 （随机解释变量）； 本章学习重点是前两个 5.1 异方差性 一、异方差的概念 二、异方差的类型 三、异方差产生的原因 四、异方差性的后果 五、异方差性的检验 六、异方差的解决方法 七、案例 对于模型 如果出现 即对于不同的样本点，随机误差项的方差不再是常数，而互不相同——出现了异方差性(Heteroskedasticity)。 一、异方差的概念 矩阵表示： (A) 概率密度 Y X 简单一元Y与X的异方差图形 同方差 (B) 概率密度 Y X 异方差 同方差性假定：?i2 = 常数 ? f(Xi) 异方差时： ?i2 = f(Xi) 异方差一般可归结为三种类型： (1)单调递增型： ?i2随X的增大而增大 (2)单调递减型： ?i2随X的增大而减小 (3)复 杂 型： ?i2与X的变化呈复杂形式 二、异方差的类型 1、同方差 2、单调递增