第九章异方差.pptVIP

第1页，共20页，星期日，2025年，2月5日主要内容：1.异方差的性质2.异方差的后果3.异方差的诊断4.异方差的补救措施总体回归函数中随着解释变量的变化，随机误差项的方差不变，这称为同方差性。而如果随着解释变量的变化，随机误差项的取值不同，则称为异方差性。第2页，共20页，星期日，2025年，2月5日一、异方差异方差可以表示为：例如：在一个双变量线性回归模型中，应变量Y是个人储蓄，解释变量X是个人可支配收入或税后收入(PDI)。画出Y的方差如下图：图a同方差图b异方差第3页，共20页，星期日，2025年，2月5日注意：研究发现，异方差问题多存在于截面数据(cross-sectionaldata)而非时间序列数据。例子：美国行业利润，销售量和RD支出下表给出了美国18个行业1988年的销售、利润和研究与发展(RD)支出的数据。(见本章ppt第6页)假定要了解研究与发展与销售的关系，有如下模型：该模型的最小二乘回归结果如下:第4页，共20页，星期日，2025年，2月5日观察一下残差图（如下）。从图中可以看到，残差的绝对值随销售额的增加而增加。因为残差可以近似地看作随机误差项，所以可以得出结论，该模型存在异方差。由于观察值是按照销售额升序排列的，这就等同于间接地将残差对销售额作图第5页，共20页，星期日，2025年，2月5日1988年美国研究与发展支出费用（百万美元）第6页，共20页，星期日，2025年，2月5日二、异方差的后果如果CLRM其他假设保持不变，放松同方差假定，异方差则有如下后果：1.OLS估计量仍是线性无偏估计量。2.异方差情况下，OLS估计量不再有效。3.OLS估计量的方差通常是有偏的。偏差的产生是由于即，不再是真实的无偏估计量。4.建立在t分布和F分布之上的置信区间和假设检验不再可靠。如果沿用传统的假设检验方法，则很可能得出错误的结论。三、异方差的诊断与多重共线性的情况一样，并没有诊断异方差的确定办法，只能借助一些诊断工具判断异方差的存在。主要有：1.根据问题的性质2.残差的图形检验第7页，共20页，星期日，2025年，2月5日(1)残差图可以是关于观察值与残差的散点图，也可以是残差与解释变量，残差与估计值的散点图。这些图可以帮助我们判断同方差假设或者是CLRM其他假设是否满足。例子可参见美国行业利润，销售量和RD支出。由该例中关于观察值与残差的散点图可以得出结论，该模型存在异方差。(2)此外，还可以利用残差的平方与观察值或解释变量或估计值的散点图来判断是否存在异方差。一般来说，与变量之间的散点图主要有如下样式。（见下一页）图a到图c中，图a中残差平方与X之间没有可识别的系统模式，所以不存在异方差；而图b到图e中两者都呈现出系统关系，所以都可能存在异方差。第8页，共20页，星期日，2025年，2月5日假设的模式第9页，共20页，星期日，2025年，2月5日3.帕克检验假如存在异方差，而且方差可能与一个或者多个解释变量系统相关，那么可以用帕克检验对是否存在异方差做出判断，帕克检验的步骤如下：(1)在不考虑异方差的情况下，做原模型的最小二乘回归。(2)从原始回归方程中求得残差，并求其平方，再取对数形式。(3)利用原始模型中的一个解释变量作如下形式的回归，如果有多个解释变量，则对每一个解释变量作形如下式的回归，或者做对Ｙ的估计值的回归。(4)检验零假设，即不存在异方差。如果和之间是统计显著的，则拒绝零假设：不存在异方差。第10页，共20页，星期日，2025年，2月5日例子：利用方程(2)来说明帕克检验。把从该回归方程中得到的残差用于模型（３），得到如下结果：在５％的显著水平下（单边检验），估计的斜率系数是统计不显著的。所以接受原假设：原始模型中不存在异方差。但可惜的是，帕克检验本身也存在比较严重的问题，那就是在回归方程(3)中，误差项本身也可能存在异方差。所以除了进行帕克检验外，还应该用其他检验方法进行判断。4.格莱泽检验(Glejsertest)格莱泽检验实质上与帕克检验类似。从原始模型获得残差后，格莱泽建议做的绝对值对X的回归。其具体回归函数如下：第11页，共20页，星期日，2025年，2月5日每种情形下的零假设都为：H0:B2=0。如果拒绝零假设，则表明可能存在异方差。例子：如研发支出但应注意的是，格莱泽检验同帕克检验存在同样的缺陷。5.怀特一般异方差检验第12页，共20页，星期日，2025年，2月5日假定有如