计量模型中的异方差性检验与修正.docxVIP

计量模型中的异方差性检验与修正

一、异方差性：计量模型的潜在干扰源

在计量经济学分析中，经典线性回归模型（CLRM）的基本假设是保证参数估计有效性的基石。其中，“同方差性”假设要求随机误差项的方差在所有观测值中保持恒定。然而，现实数据中，这一假设常被打破，异方差性（Heteroscedasticity）成为影响模型可靠性的常见问题。理解异方差性的本质、成因及后果，是开展检验与修正工作的前提。

（一）异方差性的定义与表现特征

异方差性指回归模型中随机误差项的方差不再是常数，而是随着解释变量或观测点的不同呈现出系统性变化。例如，在研究家庭消费与收入的关系时，高收入家庭的消费支出可能因选择更多样、波动更大，导致误差项方差随收入水平升高而增大；在金融数据中，股价波动的方差常随市场信息释放频率变化，形成“波动聚集”现象（古扎拉蒂，2009）。这种方差的非恒定特性，使得误差项的分布从“均匀散布”变为“扇形”或“喇叭形”，在残差图中表现为残差随解释变量值增大而扩散或收缩。

（二）异方差性的产生根源

异方差性的形成与数据生成过程密切相关。从实际研究场景看，主要可归纳为三类原因：其一，被解释变量的取值范围扩大。例如，在企业规模与研发投入的关系中，大型企业的研发投入可能因项目规模差异大而波动更剧烈，小型企业则因项目单一而波动较小（伍德里奇，2010）。其二，模型设定误差。若遗漏了关键解释变量，或错误选