第7讲异方差计量经济学及stata应用.pdfVIP

© 陈强，2015 年，《计量经济学及 Stata 应用》，高等教育出版社。 第 7章 异方差 现实的数据千奇百怪，常不符合古典模型的某些假定。从本章 开始，逐步放松古典模型的各项假定。 7.1 异方差的后果 “条件异方差”(conditional heteroskedasticity) ，简称“异方差” (heteroskedasticity) ，是违背球型扰动项假设的一种情形，即条件 方差 2 Var( | X ) 依赖于i ，而不是常数 。 i 在异方差的情况下： (1) OLS 估计量依然无偏、一致且渐近正态。因为在证明这些性 质时，并未用到“同方差”的假定。 2 1 ˆ (2) OLS 估计量方差  Var(β| X ) 的表达式不再是 (X X ) ，因为 2 。使用普通标准误的t 检验、F 检验失效。 Var(ε| X )  I (3) 高斯-马尔可夫定理不再成立，OLS 不再是 BLUE(最佳线性 无偏估计) 。 在异方差的情况下，本章介绍的“加权最小二乘法”才是 BLUE 。 为直观理解 OLS 不是 BLUE ，考虑一元回归y x  。 i i i 假设Var( | X ) 是解释变量x 的增函数，即x 越大则Var( | X ) 越 i i i i 大，参见图 7.1 。 图7.1 异方差示意图 OLS 回归线在x 较小时可以较精确地估计，而在x 较大时则难以 i i 准确估计。 方差较大的数据包含的信息量较小，但 OLS 却对所有数据等量 齐观进行处理；故异方差的存在使得 OLS 的效率降低。 “加权最小二乘法”(Weighted Least Square，WLS)通过对不同 数据所包含信息量的不同进行相应的处理以提高估计效率。比如， 给予信息量大的数据更大的权重。 计量经济学所指的“异方差”都是“条件异方差”，而非“无条 件异方差”。 比如，大样本理论要求样本数据为平稳过程，而平稳过程的方 差不变。大样本理论是否已经假设同方差？ 关键要区分无条件方差(unconditional variance) 与条件方差 (conditional variance) 。 以一元回归模型y x  为例，假设 x ,y 为平稳过程， i i i   i i