第四章 经典单方程计量经济学模型.pptx

第四章 经典单方程计量经济学模型：放宽基本假定的模型异方差性序列相关多重共线随机解释变量§4.1 异方差性异方差的概念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，则认为出现了异方差性(Heteroskedasticity)。§4.1 异方差性一、异方差的类型同方差性假定：?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§4.1 异方差性§4.1 异方差性二、实际经济问题中的异方差性 例4.1.1：截面资料下研究居民家庭的储蓄行为Yi=?0+?1Xi+?iYi:第i个家庭的储蓄额 Xi:第i个家庭的可支配收入高收入家庭：储蓄的差异较大低收入家庭：储蓄则更有规律性，差异较小?i的方差呈现单调递增型变化§4.1 异方差性 例4.1,2，以绝对收入假设为理论假设、以截面数据为样本建立居民消费函数： Ci=?0+?1Yi+?I将居民按照收入等距离分成n组，取组平均数为样本观测值。 一般情况下，居民收入服从正态分布：中等收入组人数多，两端收入组人数少。而人数多的组平均数的误差小，人数少的组平均数的误差大。 所以样本观测值的观测误差随着解释变量观测值的不同而不同，往往引起异方差性。§4.1 异方差性 例4.1.3，以某一行业的企业为样本建立企业生产函数模型 Yi=Ai?1 Ki?2 Li?3e?i被解释变量：产出量Y, 解释变量：资本K、劳动L、技术A， 那么：每个企业所处的外部环境对产出量的影响被包含在随机误差项中。 每个企业所处的外部环境对产出量的影响程度不同，造成了随机误差项的异方差性。 这时，随机误差项的方差并不随某一个解释变量观测值的变化而呈规律性变化，呈现复杂型。§4.1 异方差性三、异方差性的后果1、参数估计量非有效OLS估计量仍然具有无偏性，但不具有有效性 因为在有效性证明中利用了 E(??′)=?2I 而且，在大样本情况下，尽管参数估计量具有一致性，但仍然不具有渐近有效性。§4.1 异方差性2、变量的显著性检验失去意义 变量的显著性检验中，构造了t统计量§4.1 异方差性3、模型的预测失效 一方面，由于上述后果，使得模型不具有良好的统计性质；另一方面，在预测值得置信区间中也包含参数估计量 所以，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。§4.1 异方差性四、异方差性的检验检验思路： 检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。 一般的处理方法：§4.1 异方差性1、图示法§4.1 异方差性2、帕克(Park)检验与戈里瑟(Gleiser)检验 基本思想: 偿试建立方程：或选择关于变量X的不同的函数形式，对方程进行估计并进行显著性检验，如果存在某一种函数形式，使得方程显著成立，则说明原模型存在异方差性。 如： 帕克检验常用的函数形式：或 若?在统计上是显著的，表明存在异方差性。§4.1 异方差性3、戈德菲尔德-匡特(Goldfeld-Quandt)检验 G-Q检验的思想： 先将样本一分为二，对子样①和子样②分别作回归，然后利用两个子样的残差平方和之比构造统计量进行异方差检验。 §4.1 异方差性G-Q检验的步骤：①将n对样本观察值(Xi,Yi)按观察值Xi的大小排队②将序列中间的c=n/4个观察值除去，并将剩下的观察值划分为较小与较大的相同的两个子样本，每个子样样本容量均为(n-c)/2③对每个子样分别进行OLS回归，并计算各自的残差平方和§4.1 异方差性④在同方差性假定下，构造如下满足F分布的统计量 ⑤给定显著性水平?，确定临界值F?(v1,v2)， 若F> F?(v1,v2)， 则拒绝同方差性假设，表明存在异方差。 §4.1 异方差性4、怀特（White）检验 怀特检验的基本思想与步骤：然后做如下辅助回归 可以证明，在同方差假设下：R2为的可决系数，h 解释变量的个数，表示渐近服从某分布。§4.1 异方差性五、异方差的修正 模型检验出存在异方差性，可用加权最小二乘法（Weighted Least Squares, WLS）进行估计。 加权最小二乘法的基本思想： 加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用OLS估计其参数。 在采用OLS方法时: 对较小的残差平方ei2赋予较大的权数， 对较大的残差平方ei2赋予较小的权数。§4.1 异方差性§4.1 异方差性注意：采用截面数据作样本时容易出现异方差 不对原模型进行异方差