面板数据模型中的异方差检验.pdf

面面板板数数据据模模型型中中的的异异方方差差检检验验

一一、、面面板板数数据据模模型型的的基基本本设设定定与与异异方方差差来来源源

（（一一））面面板板数数据据模模型型的的分分类类

面板数据模型根据个体效应与释变量之间的关系，可分为固定效应模型和随机效应模型。固定效应模型假设个体效应与释

变量相关，而随机效应模型则假设个体效应与释变量不相关。这种分类直接影响异方差检验的方法选择。此外，混合回归模

型作为特殊形式，假设不存在个体或时间效应，其异方差问题与传统横截面数据更为相似。

（（二二））异异方方差差的的定定义义与与表表现现形形式式

在面板数据中，异方差表现为误差项的方差随个体、时间或释变量的变化呈现系统性差异。具体可分为三种类型：个体异方

差（不同个体的方差不同）、时间异方差（不同时间点的方差不同）以及个体-时间交互异方差。例如，企业规模差异可能导

致研发投入的误差项方差随企业资产规模增大而扩大，这属于典型的个体异方差。

（（三三））异异方方差差的的产产生生原原因因

异方差的形成机制包含数据生成过程的内在特征和模型设定偏误。经济变量间的非线性关系未被充分捕捉、测量误差的异质

性、政策冲击的时变效应都可能引发异方差。特别值得注意的是，动态面板中滞后被释变量的引入会加剧异方差问题，因为

历史数据的波动性会传导至当前误差项。

二二、、面面板板数数据据异异方方差差检检验验的的常常用用方方法法

（（一一））Breusch-Pagan检检验验

Breusch-Pagan检验通过构造辅助回归方程检验方差与释变量的相关性。原假设为同方差，检验统计量服从卡方分布。具体

步骤包括：1）估计原模型得到残差；2）将标准化残差平方对释变量回归；3）计算LM统计量。该方法对正态分布假设敏

感，但在大样本中表现稳健。

（（二二））White检检验验

White检验通过建立包含释变量及其平方项、交叉项的辅助回归模型，捕捉方差的结构性变化。其优势在于不预设异方差的

具体形式，但需要较大的样本容量支持。在面板数据中，需特别注意个体和时间维度的交互项设置，例如加入个体虚拟变量与

释变量的交叉项。

（（三三））Wald检检验验

基于极大似然估计的Wald检验适用于参数化异方差设定。通过比较约束模型（同方差）与非约束模型（异方差）的对数似然

值差异，构造检验统计量。该方法需要明确指定异方差结构，例如假设方差与某释变量成比例，因此在先验信息充分时具有

较高检验效力。

（（四四））Pesaran-Taylor检检验验

针对动态面板设计的改良方法，通过分误差项中的个体特定成分和时变成分，分别检验两者的异方差性。该方法采用分步检

验策略：首先检验个体效应方差是否恒定，再检验时变扰动项的异方差性，特别适用于包含滞后项的非平稳数据。

三三、、异异方方差差检检验验的的实实施施步步骤骤与与注注意意事事项项

（（一一））检检验验流流程程设设计计

完整的检验流程应遵循从一般到特殊的原则：1）进行混合OLS估计获取初步残差；2）通过图示法（如残差散点图）直观判

断异方差模式；3）选择适当检验方法进行形式化检验；4）对存在异方差的情况进行稳健性检验。需要特别注意检验方法的

前提假设是否满足，例如White检验要求释变量外生性。

（（二二））检检验验统统计计量量的的修修正正

在小样本情况下，传统检验统计量可能产生显著性水平扭曲。建议采用Bootstrap重抽样方法改进临界值的准确性。对于非平

衡面板，需对检验统计量进行加权调整，例如按个体观测数赋予不同权重，防止高频率个体主导检验结果。

（（三三））多多重重检检验验问问题题

同时进行多种检验时可能产生第一类错误膨胀。可通过Bonferroni校正控制总体显著性水平，或将检验顺序结构化：先检验个

体异方差，再在拒绝原假设的情况下检验时间异方差。此外，需要注意不同检验方法的结果一致性，当结论冲突时应结合经济

理论进行判断。

四四、、异异方方差差检检验验的的实实证证应应用用分分析析

（（一一））微微观观企企业业数数据据案案例例

以上市公司研发投入面板为例，检验发现：1）Breusch-Pagan检验在5%水平拒绝原假设；2）残差图显示方差与企业规模正

相关；3）采用聚类稳健标准误后，关键变量的显著性发生变化。这表明忽略异方差会导致标准误低估，夸大系数的统计显著

性。

（（二二））宏宏观观经经济济面面板板应应用用

在跨国经济增长率分析中，ausman检验支持固定效应模型，但Pesaran-Taylor检验揭示显著的时变异方差。进一步分析发

现，金融危机期间扰动项方差扩大3倍，这要