【最新】计量经济学课件:异方差模型 PPT完整版 图文
计量经济学课件:第五章-异方差性汇总
第五章异方差性本章教学要求:根据类型,异方差性是违背古典假定情况下线性回归模型建立的另一问题。
通过本章的学习应达到,掌握异方差的基本概念包括经济学解释,异方差的出现对模型的不良影响,诊断异方差的方法和修正异方差的方法。
经过学习能够处理模型中出现的异方差问题。
第一节异方差性的概念一、例子例1,研究我国制造业利润函数,选取销售收入作为解释变量,数据为1998年的食品年制造业、饮料制造业等28个截面数据(即n=28)。
数据如下表,其中y表示制造业利润函数,x表示销售收入(单位为亿元)。
Y对X的散点图为从散点图可以看出,在线性的基础上,有的点分散幅度较小,有的点分散幅度较大。
因此,这种分散幅度的大小不一致,可以认为是由于销售收入的影响,使得制造业利润偏离均值的程度发生了变化,而这种偏离均值的程度大小不同是一种什么现象?如何定义?如果非线性,则属于哪类非线性,从图形所反映的特征看并不明显。
下面给出制造业利润对销售收入的回归估计。
模型的书写格式为2ˆ12.03350.1044(0.6165)(12.3666)0.8547,..84191.34,152.9322213.4639,146.4905Y YX R S E FY s =+=====通过变量的散点图、参数估计、残差图,可以看到模型中(随机误差)很有可能存在一种系统性的表现。
例2,改革开放以来,各地区的医疗机构都有了较快发展,不仅政府建立了一批医疗机构,还建立了不少民营医疗机构。
各地医疗机构的发展状况,除了其他因素外主要决定于对医疗服务的需求量,而医疗服务需求与人口数量有关。
为了给制定医疗机构的规划提供依据,分析比较医疗机构与人口数量的关系,建立卫生医疗机构数与人口数的回归模型。
根据四川省2000年21个地市州医疗机构数与人口数资料对模型估计的结果如下:i iX Y 3735.50548.563ˆ+-= (291.5778) (0.644284) t =(-1.931062) (8.340265)785456.02=R 774146.02=R 56003.69=F式中Y 表示卫生医疗机构数(个),X 表示人口数量(万人)。
第五章异方差ppt课件
f
ˆ 2
2
w i (Yˆ ( ˆ1 ˆ2 X i ))( X i ) 0
ˆ2
wi xi* yi*
w
i
x
* i
2
ˆ1 Y * ˆ 2 X *
其中, X * w i X i , Y * w iYi
wi
wi
xi*
Xi
X
* i
,
yi*
Yi
Yi*
Econometrics 2005
将是不可靠的。
Econometrics 2005
13
5.3 异方差的检验
方法有 (1)图示法( X _ e2); (2)解析法:
戈德菲尔德-匡特检验 怀特检验 ARCH检验
Econometrics 2005
14
5.3.1 图示法及其类型
1. 异方差指u的方差随着x的变化而变化。 2. 故可以根据x-e2的散点图,对异方差是否
Y的预测值的精度降低;
2
(2)由于 i 难以确定, Y的方差也就难以确定, Y
的预测区间的确定也出 现困难;
2
(3)在 = ei2 /( n k )是 2的无偏的证明中用到了
2
同方差的假定,由于异 方差性,使得 = ei2 /( n k )
是有偏的。在此区间估 计基础上区间估计和假 设检验
基本思路:
(以二元回归为例Y:t 1 2 X2t 3X3t ut)
如果有异方差,则i2与解释变量有关系。:如
i2=0
1X2i
3 X3i
2
X
2 2i
4 X32i
5 X2i
X3i+vi
但是i2一般未知,用模型回剩归余ei2作为i2的渐进
计量经济学讲义——线性回归模型的异方差问题1
Gleiser检验与Park检验存在同样的弱点。
(9.3) (9.4) (9.5)
9.4 异方差的诊断-方法4:怀特(White)检验法
Yi = B1 + B 2 X 2 i + B3 X 3 i + u i
2、做如下辅助回归: (9.6) (9.7)
1、首先用普通最小二乘法估计方程(9.6),获得残差ei
E(Y|X)=α+β*X Y
+u +u -u -u -u +u
0
同方差(homoscedasticity)
X 0
E(Y|X)=α+β*X
异方差(heteroscedasticity)
X
一元线性回归分析-回归的假定条件
假定5 无自相关假定,即两个误差项之间不相关。 Cov(ui,uj) = 0。
ui
9.2 异方差的性质
例9.1 美国创新研究:销售对研究与开发的影响 ^ R&D = 266.2575 + 0.030878*Sales se=(1002.963) (0.008347) t =(0.265471) (3.699508) p =(0.7940) R2 = 0.461032 从回归结果可以看出: (1)随着销售额的增加,R&D也逐渐增加,即销售 额每增加一百万美元,研发相应的增加3.1 万美元。 (2)随着销售额的增加,R&D支出围绕样本回归线 的波动也逐渐变大,表现出异方差性。 (0.0019)
计量经济学第五章 异方差
X 20000
5.3异方差的侦查
利用残差图——绘制残差平方与X散点图
(一般把异方差看成是由于解释变量的变化而引起的)
5.1异方差的概念
三、异方差产生的原因 模型设定误差:省略了重要的解释变量
例:真实模型 Yi 1 2 X 2i 3 X 3i i 采用模型 Yi 1 2 X 2i i
如果X3随着X2的不同而对Y产生不同的影响,则 该影响体现在扰动项中。
测量误差: 一方面,测量误差常常在一定时间内逐渐增加,如X 越大,测量误差就会趋于增大 另一方面,测量误差随时间变化趋于减少,如抽样技 术的改进使得测量误差减少。
)
2 i
5.1异方差的概念
6 Y
4
300 Y
200
2
100
0 0
X
0
X
10
20
30
0
5000
10000
15000
20000
250
Y
二、常见的异方差类型: 200
递增型异方差:
150
100
递减型异方差:
50
条件异方差(略):
0 0
X
10
20
30
时间序列数据和截面数据中都有可能存在异方差。
经济时间序列中的异方差常为递增型异方差。
ˆ 2 ei2 (Yi ˆX i )2 (( ˆ) X i i )2
n 1
n 1
n 1
5.2异方差的后果
E (vaˆr(ˆ ))
E(
ˆ 2
X
2 i
)
E(
(( ˆ)X
(n 1)
PPT-第7章-异方差-计量经济学及Stata应用
第 7 章 异方差 现实的数据千奇百怪,常不符合古典模型的某些假定。从本章 开始,逐步放松古典模型的各项假定。
7.1 异方差的后果
“条件异方差”(conditional heteroskedasticity) ,简称“异方差” (heteroskedasticity),是违背球型扰动项假设的一种情形,即条件
因此, (K 1)F (n K )R2 p (n K )R 2 (7.10) 1 R2
在大样本下,(n K )R2 与nR2并无差别,故LM 检验与F 检验渐 近等价。
如认为异方差主要依赖被解释变量拟合值 yˆi ,可将辅助回归改 为
e2 yˆ error
i
1 2i
i
(7.11)
然后检验H0 : 2 0 (可使用 F 或 LM 统计量)。
ˆFWLS无资格参加 BLUE 的评选。
FWLS 的优点主要体现在大样本中。如果ˆ2是 2的一致估计,
i
i
则 FWLS 一致,且在大样本下比 OLS 更有效率。
FWLS 的缺点是必须估计条件方差函数ˆ2 (x ),而通常不知道条 ii
件方差函数的具体形式。
如果该函数的形式设定不正确,根据 FWLS 计算的标准误可能 失效,导致不正确的统计推断。
方差Var(i | X )依赖于i ,而不是常数 2。
在异方差的情况下:
(1)OLS 估计量依然无偏、一致且渐近正态。因为在证明这些性质 时,并未用到“同方差”的假定。
(2) OLS 估计量方差Var( βˆ | X )的表达式不再是 2 ( X X)1,因为 Var(ε | X ) 2I 。使用普通标准误的t 检验、F 检验失效。
计量经济学:异方差
(1)布罗施-帕甘(Breusch-Pagan)检验
例4.2 使用BP检验对例4.1的回归模型进行异方差检验。 解:EViews中进行BP检验的结果如下:
从中可以看出,无论是使用F检验还是LM检验,在5%的显著性水 平下,均可拒绝随机误差项不存在异方差的原假设
2)怀特(White)检验
20000 X
30000
40000
(2)用 X e%i2 的散点图进行判断
第三节 异方差的检验
方法2:作X-ei2散点图
从图中可以看出,随着居 民可支配收入X的提高,随 机误差项平方ei2呈递增趋 势。表明随机误差项存在 递增型异方差。
ESQU
320000 280000 240000 200000 160000 120000
概 率 密 度
X1 X2 X3
同方差
概
率
Y
密
Y
度
E(Y|X) = β0 + β 1X
X
X1 X2 X3 异方差
E(Y|X) = β 0 + β 1X
X
异方差的矩阵表示
2 1
Var(u)
0 M
0
2 2
M
L L M
0
0
0
0
0
L
2 n
2、异方差的类型
•同方差性假定的意义是:每个ui围绕其零均值的离差,并不随解释 变量X的变化而变化,不论解释变量X的观测值是大还是小,每个ui
E(ˆ )(ˆ ) E ( X X )1 X Y ( X X )1 X Y
E ( X X )1 X X U ( X X )1 X X U
计量经济学第六章异方差性
构建统一的异方差 性处理框架
未来可以构建一个统一的异方 差性处理框架,整合现有的处 理方法和技巧,为实际应用提 供更为全面和系统的指导。同 时,该框架还可以为计量经济 学的教学和研究提供便利。
THANK YOU
感谢聆听
03
异方差性对假设检验 的影响
异方差性可能导致假设检验中的t统计 量和F统计量失效,从而影响假设检 验的结论。
异方差性下的模型选择和评价
异方差性检验
在进行模型选择和评价之前,需要对异方差性进行检验。常用 的异方差性检验方法有怀特检验、布雷施-帕甘检验等。
模型选择
在存在异方差性的情况下,应选择能够处理异方差性的模型, 如加权最小二乘法(WLS)、广义最小二乘法(GLS)等。
性质
异方差性违反了经典线性回归模型的同方差假设,可能导致参数 估计量的无偏性、有效性和一致性受到影响。
产生原因及影响
模型设定误差
模型遗漏了重要变量或函数形式设定错误。
数据采集问题
观测数据的误差或异常值。
产生原因及影响
• 经济现象本身:某些经济变量之间的关系可能随时间和空间的变化而变化,导致异方差性。
等级相关系数法
计算残差绝对值与解释变量之间的等 级相关系数,若显著则表明存在异方 差性。
Goldfeld-Quandt检验法
假设条件
该检验假设异方差性以解释变量的某个值为界,将样本分为两组,且两组的方差不同。
检验步骤
首先根据假设条件将样本分组,然后分别计算两组的残差平方和,最后构造F统计量进行假设检验。
05
异方差性在计量经济学模型中的应用
异方差性对模型设定的影响
01
异方差性可能导致参 数估计量的偏误
当存在异方差性时,普通最小二乘法 (OLS)的参数估计量可能不再具有无 偏性和一致性,从而导致估计结果的偏 误。
计量经济学全册课件(完整)pptx
预测与置信区间
阐述如何利用一元线性回归模型进行 预测,并给出预测值的置信区间,以 评估预测的不确定性。
2024/1/28
8
多元线性回归模型
模型设定与参数估计
介绍多元线性回归模型的基本形 式,解释多个自变量对因变量的 影响,以及最小二乘法在多元线 性回归中的应用。
模型的统计性质
探讨多元线性回归模型的统计性 质,包括回归系数的解释、拟合 优度的度量、多重共线性的诊断 与处理等。
经典线性回归模型
REPORTING
2024/1/28
7
一元线性回归模型
模型设定与参数估计
介绍一元线性回归模型的基本形式, 解释因变量、自变量和误差项的含义 ,阐述最小二乘法(OLS)进行参数 估计的原理。
模型的统计性质
探讨一元线性回归模型的统计性质, 包括回归系数的解释、拟合优度的度 量(如R方)、回归系数的显著性检 验等。
贝叶斯计量经济学的定义
贝叶斯计量经济学是应用贝叶斯统计推断方法,对经济模 型进行参数估计、假设检验和预测的一门学科。
贝叶斯计量经济学的研究对象
贝叶斯计量经济学主要关注经济模型的参数估计和不确定 性问题,如线性回归模型、时间序列模型、面板数据模型 等。
贝叶斯计量经济学的研究方法
贝叶斯计量经济学的研究方法主要包括先验分布的设定、 后验分布的推导、马尔科夫链蒙特卡罗模拟(MCMC)等 。
介绍如何在EViews中导入数据,进行 数据清洗、转换和预处理等操作。
计量经济学模型估计
介绍如何在EViews中建立计量经济学 模型,进行参数估计、模型检验和预 测等操作。
24
Stata软件介绍及操作指南
Stata软件概述
Stata是一款流行的计量经济学软件,具有强大 的数据处理和统计分析功能。
计量经济学第一章PPT课件
02 回归分析基础
回归分析的定义
回归分析
是一种统计学方法,用于研究变 量之间的关系,特别是当一个变 量受到其他变量的影响时。
线性回归
在回归分析中,当自变量和因变 量之间的关系为线性时,即可以 用一条直线来描述它们之间的关 系。
非线性回归
在回归分析中,当自变量和因变 量之间的关系为非线性时,即不 能用一条直线来描述它们之间的 关系。
最小二乘法
01
最小二乘法是一种数学优化技 术,用于找到最佳拟合数据点 的函数。
02
在回归分析中,最小二乘法的 目标是找到最佳拟合数据的直 线,使得实际观测值与预测值 之间的平方和最小。
03
最小二乘法通过求解线性方程 组来找到最佳拟合直线的参数 。
模型的检验与诊断
R方值
用于衡量模型拟合优度的统计量,其值越接近于1,说明模型拟合 效果越好。
计量经济学的研究范围涵盖了微观经济学、宏观 经济学、国际经济学、金融学等多个领域。
计量经济学的发展历程
19世纪末期
统计学和经济学的结合,产生了经济计量学。
20世纪30年代
经济大萧条,人们开始利用计量经济学方法 分析经济问题。
20世纪50年代
线性代数和计算机技术的发展,推动了计量 经济学的发展。
21世纪
模型的参数估计
总结词
参数估计是根据样本数据估计线性回归模型中未知参数的过 程。
详细描述
最小二乘法是最常用的参数估计方法,它通过最小化残差平 方和来估计参数。即,对于给定的样本数据,找到一组参数 值,使得实际观测值与模型预测值之间的残差平方和最小。
模型的假设检验
总结词
假设检验是用于评估线性回归模型是否满足某些假设的过程。
异方差性检验 计量经济学 EVIEWS建模课件
G-Q检验的步骤:
①将n对样本观察值(Xi,Yi)按观察值Xi的大 小排队;
②将序列中间的c=n/4个观察值除去,并 将剩下的观察值划分为较小与较大的相 同的两个子样本,每个子样的样本容量 均为(n-c)/2;
③对每个子样分别进行OLS回归,并计算各自 的残差平方和∑esi12 与∑esi22 ;
计量经济学模型一旦出现异方差性,如果仍采用 OLS估计模型参数,会产生下列不良后果:
1.参数估计量非有效
OLS估计量仍然具有无偏性,但不具有有效 性。因为在有效性证明中利用了 E(εε’)=2I 。
而且,在大样本情况下,尽管参数估计量具 有一致性,但仍然不具有渐近有效性。
2. 变量的显著性检验失去意义
例如以绝对收入假设为理论假设、以截面数据
为样本建立居民消费函数: Ci=0+1Yi+εi
将居民按照收入等距离分成n组,取组平均数 为样本观测值。 • 一般情况下,居民收入服从正态分布:中等收 入组人数多,两端收入组人数少。而人数多的组 平均数的误差小,人数少的组平均数的误差大。 • 所以样本观测值的观测误差随着解释变量观测 值的不同而不同,往往引起异方差性。
异方差性的检验与修正分析
一、异方差性问题 二、异方差性检验 三、异方差的修正及案例 四、条件异方差模型的建立
⒉ 在同方差情况下: 异 方 差 的 图 示 在异方差情况下: 说 明 :
异方差时
同方差:i2 = 常数 f(Xi) 异方差:i2 = f(Xi)
⒊异方差的类型
异方差一般可归结为三种类型: (1)单调递增型: i2随X的增大而增大 (2)单调递减型: i2随X的增大而减小 (3)复 杂 型: i2与X的变化呈复杂形式
变量的显著性检验中,构造了t统计量
计量经济学第六章 异方差-PPT精品文档
关 于 变 量 的 显 著 性 检 验 中 , 构 造 了 统 计 量 t
( 2 . 4 . 6 )
在该统计量中包含有随机误差项共同的方差,并且有 t统计量服从自由度为(n-k-1)的t分布。如果出现了 异方差性,t检验就失去意义。 其它检验也类似。
3、模型的预测失效
一方面,由于上述后果,使得模型不具有良好 的统计性质; 另一方面,在预测值的置信区间中也包含有随 机误差项共同的方差2。 所以,当模型出现异方差性时,参数OLS估计 值的变异程度增大,从而造成对 Y的预测误差变 大,降低预测精度,预测功能失效。
•例如,以某一行业的企业为样本建立企业生产函 数模型
Yi=Ai1 Ki2 Li3eI
产出量为被解释变量,选择资本、劳动、技术等 投入要素为解释变量,那么每个企业所处的外部 环境对产出量的影响被包含在随机误差项中。 由于每个企业所处的外部环境对产出量的影响程 度不同,造成了随机误差项的异方差性。
i = 1 , 2 , … , n i = 1 , 2 , … , n
同 方 差 性 假 设 为
如 果 出r ( ) i i
i = 1 , 2 , … , n
即对于不同的样本点,随机误差项的方差不再是 常数,则认为出现了异方差性。
2、异方差的类型 • 同方差性假定的意义是指每个i围绕其零平均
故
xi ˆ E ( ( E ( 1) E 1) i ) 1 2 x i
(2 .4 .2 )
(2)不具备最小方差性
由于
xi ˆ ) E( ˆ ) 2 E( var( x 2 i ) 2 1 1 1 i E( xi i ) ( xi2 ) 2
2
2 i
(2.4.3)
《异方差的概念》PPT课件
主要包括:
(1)随机误差项序列存在异方差性; (2)随机误差项序列存在序列相关性; (3)解释变量之间存在多重共线性; (4)解释变量是随机变量且与随机误差项相关 (随机解释变量);
在进行计量经济学模型的回归分析时,必须对模型是否 满足基本假定进行检验,这种检验称为计量经济学检验。
第一节 异方差的概念
一、异方差的概念
对于模型
Yi 0 1X1i 2 X 2i k X ki ui
如果出现
Var
(ui
)
2 i
即对于不同的样本点,随机误差项的方差不再 是常数,而互不相同,则认为模型出现了异方 差性(Heteroskedasticity)。
概
率
异方差一般可归结为三种类型:
(1)单调递增型: i2随X的增大而增大; (2)单调递减型: i2随X的增大而减小; (3)复 杂 型: i2与X的变化呈复杂形式。
图5.1 异方差的类型
三、实际经济问题中的异方差性
例5.1:截面资料下研究居民家庭的储蓄行为
Yi 0 1Xi ui
Yi : 第i个家庭的储蓄额; Xi : 第i个家庭的可支配收入
高收入家庭:储蓄的差异较大 低收入家庭:储蓄则更有规律性,差异较小 高收入家庭随机误差项的方差明显大于低收入家 庭。
例5.2:截面资料下研究企业的成本函数
Yi 0 1Xi ui
Yi : 第i个企业的生产成本; Xi : 第i个企业的总产值
密
Y
度
X1
X2
X3
X
异方差性干扰
存在异方差时U的方差 协方差矩阵为:
《数学异方差》ppt课件
R&D=1172.69+0.0238X2+ei
(1)
t=(1.0300)(2.3121) r2=0.2504
33
u
••
••
• •
•
••••
••
•• ••
••••••••••
•• •• •
• •
•
0
••
••••
••
••
•••
• •
•••••
•• •
• •
•• •
X •
••
• •
•
上图表明误差和解释变量X之间不是线性相关。
18
第十三章 异方差
三、帕克(Park)检验
如果存在异方差,则
2 i
可能与一个或多个解释变量系
统相关(可以用模型来刻画)。
帕克检验的步骤如下:
(1) 作普通最小二乘回归,不考虑异方差。
(2) 从原始回归方程中得残差 ei,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做回归(如果有多个变量,我 们就做多个回归)。
15
第十三章 异方差
第三节 异方差的诊断
一、根据问题的性质
所考察问题的性质往往提供是否存在异方差的 信息。例如:我们考虑区域经济的发展问题。所 以在涉及不均匀单位的横截面数据中,异方差可 能是常有的情况,而不是例外。
二、残差的图形检验
在回归分析中,常常对拟合回归方程中的残差 进行分析,将残差对其相应的观察值描图(残差图)。
而是与Xi的平方成比例。
E(ui2 )
2 i
2
X
2 i
34
第十三章 异方差
情形2:误差方差与
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
在采用OLS方法时: 对较小的残差平方ei2赋予较大的权数; 对较大的残差平方ei2赋予较小的权数。
例如令:wi i1 Nhomakorabea2
原方程两边同时除以
i
Yi 0
i
X 1i
:
... k
2
i
1
i
X ki
i
i
ui
则可以证明:
i Var ( ) 2 1 i i
(2)方法:
A、用OLS估计模型并计算残差ei B、建立残差|ei |对一个或多个解释变量X的回 归模型:
ei 0 1 f X i i
f(Xi)可以有不同的形式:
f X i X m m 1,2 1, 1 ......... 2
C、检验回归模型中参数的显著性 。 D、确定是否存在与某一个解释变量相关的异方差。
二、检验方法:
1、图示法
(1)用X-Y的散点图进行判断 看是否存在明显的散点扩大、缩小或复杂型趋势
~ 的散点图进行判断 (2)X- e i
2
~2 e i
~2 e i
X 同方差 递增异方差
X
~2 e i
~2 e i
X 递减异方差 复杂型异方差
X
2、帕克(Park)检验(P096)
检验步骤:
(1)对原模型进行参数估计,并求得残差;
G-Q检验的步骤: ①将n对样本观察值(Xi,Yi)按观察值Xi的大小排队; ②将序列中间的c=n/4个观察值除去,并将剩下的 观察值划分为较小与较大的相同的两个子样本; 每个子样样本容量均为(n-c)/2; ③对每个子样分别进行OLS回归,并计算各自的 残差平方和;
④在同方差性假定下,构造如下满足F分布的 统计量: ~ ( n c k 1) e nc nc 2
ui
原方程消除了异方差。
3、对数变换法(P102) • 对原模型两边取对数,例如:
Yi 0 1 X i ui
• 对数变换后变成的新模型往往能减少异方差性:
ln Yi 0 1 ln X i ui
第四节
异方差案例
例:中国农村居民人均消费影响因素:
中国农村居民人均消费支出主要由人均纯收入来决定。
三、异方差性的后果(P095)
计量经济学模型一旦出现异方差性,如果仍 采用OLS估计模型参数,会产生下列不良后果:
1、 OLS估计量仍然具有无偏性,但不具有有效性 2、变量的显著性检验(T检验)失去意义
第二节 异方差的检验方法
一、检验思路:
异方差检验就是检验随机误差项的方差与解 释变量观测值X之间的相关性。
Var ( i ) E ( i ) 2 i2 f ( X ji ) 2
1 f ( X ji )
Yi 0
1 f ( X ji ) k
1 1
1 f ( X ji ) X ki
X 1i 2 1 f ( X ji )
1 f ( X ji )
X 2i
f ( X ji )
i
1 f ( X ji )
Yi 0
1 f ( X ji ) k
1 1
1 f ( X ji ) X ki
X 1i 2 1 f ( X ji )
1 f ( X ji )
X 2i
f ( X ji )
i
新模型中,存在 :
Var ( 1 f ( X ji )
第四章 异方差
目
录
1 2 3 4
异方差概述
异方差性的检验 异方差的修正 案例
第一节 异方差概述
一、异方差的概念(P094)
对于模型: Yi 0 1 X1 2 X 2 ... k X k ui
如果出现 即: 对于不同的样本点,随机误差项的方差不再相同, 则认为出现了异方差性。
(2)假设异方差的函数形式是:
2
i Xi e
2 2
i
两边取对数后得: ln i ln 2 ln X i i 用残差代替总体方差,则得到:
ln ei ln ln X i i
2 2
令:
Zi ln i , ln , X i ln X i
i ) E(
1 f ( X ji )
i )2
1 E ( i ) 2 2 f ( X ji )
即满足同方差性,可用OLS法估计。
•2、加权最小二乘法
对原模型加权,使之变成一个新的不存在异方 差性的模型,然后采用OLS估计其参数。
2 ˆ ˆ ˆ W e Wi [Yi ( 0 1 X 1 k X k )] 2 i i
农村人均纯收入包括:
(1)从事农业经营的收入 (2)其他收入 考察从事农业经营的收入(X1)和其他收入(X2) 对中国农村居民消费支出(Y)增长的影响:
2 2 '
则得到:
Zi X i i
'
采用OLS方法估计上式参数,并通过T检验方法 检验参数是否显著为零: 若显著不为零,则说明存在异方差。
3、格莱泽(Gleiser)检验(P099) (1)思路:
选择残差关于变量X的不同的函数形式, 对方程进行估计和显著性检验,看是否存在变 量显著的方程。
Var (i )
2 i
例:截面资料下研究居民家庭的储蓄行为:
Yi 0 1 X i ui
Yi: 第i个家庭的储蓄额 Xi: 第i个家庭的可支配收入。
高收入家庭:储蓄的差异较大 低收入家庭:储蓄则更有规律性,差异较小
i的方差呈现单调递增型变化
二、异方差的类型(P095)
~ e ⑤给定显著性水平,确定临界值F(v1,v2),
2 1i
F
2 2i
nc ( k 1) 2
~ F(
2
k 1,
2
k 1)
若F> F(v1,v2), 则拒绝同方差性假设,表 明存在异方差。
第三节
异方差的修正方法(P101)
1、模型变换法 •例如:如果对一多元模型,经检验知:
4、戈德菲尔德-匡特检验(P098)
G-Q检验以F检验为基础,适用于样本容量较 大、异方差递增或递减的情况。
G-Q检验的思想:
先将样本一分为二,对子样①和子样②分别作回 归,然后利用两个子样的残差平方和之比构造统 计量进行异方差检验。 由于该统计量服从F分布,因此假如存在递增的 异方差,则F远大于1;反之就会等于1(同方 差)、或小于1(递减方差)。