演示文稿异方差及其处理.pptVIP

案例：纽约的租金和收入 因变量：e2 （n=108） R2=0.082 怀特的辅助回归 变量 系数 T统计量 C -1.58 Income 1200.58 2.42 Income2 -0.01 -1.87 当前第29页\共有53页\编于星期五\4点 案例：纽约的租金和收入 怀特统计量=108*0.082=8.87， 自由度为2的卡方统计量=5.99 拒绝“没有异方差”的原假设！ 当前第30页\共有53页\编于星期五\4点 点点滴滴： EVIEWS设计的一个缺陷： （1）如果在进行怀特检验时，选择“不包括交叉项”； （2）如果你的原始回归本身不带常数项； 在上述两种情况下，white检验的辅助回归方程中都不会出现“解释变量的水平值”，只有其平方项。 当前第31页\共有53页\编于星期五\4点 异方差的诊断 2、正规的检验 注意：遗漏变量对异方差检验的影响 当原方程遗漏重要变量时，异方差检验通常无法通过； 所以，在进行异方差检验时，先要保证没有遗漏重要变量——拉姆齐检验 当前第32页\共有53页\编于星期五\4点 异方差的诊断 更多的时候，我们需要进行定性的分析！！！！！！ 当前第33页\共有53页\编于星期五\4点 异方差的处理 1、加权最小二乘法(WLS) Weighted Least Squares 广义最小二乘(GLS) Generalized Least Squares 前者是后者的特例。 当前第34页\共有53页\编于星期五\4点 Generalized Least Squares 考虑如下数据生成过程： ? 当前第35页\共有53页\编于星期五\4点 GLS: Transformed Data 当前第36页\共有53页\编于星期五\4点 异方差的处理 ? 当前第37页\共有53页\编于星期五\4点 异方差的处理 ? 当前第38页\共有53页\编于星期五\4点 异方差的处理 ? 当前第39页\共有53页\编于星期五\4点 本例进行Glezser test时，有如下结果 ? 当前第40页\共有53页\编于星期五\4点 演示文稿异方差及其处理 当前第1页\共有53页\编于星期五\4点 （优选）异方差及其处理 当前第2页\共有53页\编于星期五\4点 案例：用截面数据估计消费函数 上机实验：利用31个省市自治区的人均收入与人均消费数据估计消费函数。 Consumption = 0.7042*Income t=(83.0652) R2=0.9289 当前第3页\共有53页\编于星期五\4点 案例：用截面数据估计消费函数 观察残差图（取残差绝对值）： 当前第4页\共有53页\编于星期五\4点 案例：用截面数据估计消费函数 直观感受： 存在异方差 （heteroskedasticity） 当前第5页\共有53页\编于星期五\4点 Homoskedasticity （同方差） 当前第6页\共有53页\编于星期五\4点 Heteroskedasticity（异方差） 当前第7页\共有53页\编于星期五\4点 异方差的危害 OLS估计量依然是无偏的 但不再具有有效性！！ t检验、F检验无效 置信区间不可信 当前第8页\共有53页\编于星期五\4点 异方差的诊断 1.画图法： 以Xi或Yi为横坐标，以|ei|或ei2为纵坐标 这说明没有异方差 Xi或Yi |ei| 0 Xi或Yi ei 0 当前第9页\共有53页\编于星期五\4点 异方差的诊断 这说明存在异方差 Xi或Yi ei 0 Xi或Yi |ei| 0 1.画图法： 当前第10页\共有53页\编于星期五\4点 消费与收入（我国31个省市，2011年） 横轴：收入； 纵轴：残差； 当前第11页\共有53页\编于星期五\4点 消费与收入（我国31个省市，2011年） 横轴：收入 纵轴：残差的绝对值 当前第12页\共有53页\编于星期五\4点 异方差的诊断 2、正规的检验 (1)戈里瑟检验(Glezser test) (2)戈德菲尔德-匡特检验（Glodfeld- Quandt test） (3)怀特检验（White test） 当前第13页\共有53页\编于星期五\4点 异方差的诊断 2、正规的检验 （1）戈里瑟检验(Glezser test) ： ①原始回归，获得残差ei； ②用|