第五章-异方差性及检验.pptVIP

*一、对模型进行变换假定经检验,存在异方差,并且已知以一元线性回归模型为例其中s2为常数,f(Xi)是Xi的已知函数。将模型作适当变换,用去除模型两边,得*记则有此时可见,随机扰动项已没有异方差了。f(Xi)可以有不同的形式,Glejser检验提供了相应的信息。*二、加权最小二乘法普通最小二乘法的目标,是使残差平方和最小,在同方差假定下,普通最小二乘法是把每个残差的平方都同等对待,赋予相同的权数1。但存在异方差时,方差越小,其样本值偏离均值程度越小,其观测值越应受到重视,其作用越大。所以对较小的ei给予较大的权数,对较大的ei给予较小的权数,从而使残差平方和更好地反映si2对它的影响。仍以一元线性回归模型为例*通常取权数得加权的残差平方和:根据最小二乘原理,使得加权的残差平方和最小。**其中于是这样估计的参数称为加权最小二乘估计。*可以证明,对原模型变换的方法与加权最小二乘法实际是等价的。所以常常是采用加权最小二乘法来消除异方差性,而用对原模型变换的方法来说明加权最小二乘法可以消除异方差性,注意前提是方差si2的函数形式是已知的。