第2章放宽假设的计量经济学经典模型理论介绍.pptx
合集下载
计量经济学第二章教学课件
0
ˆ 0
xi2 y i xi y i xi n xi2 ( xi ) 2
Q 0 ˆ β
1
ˆ n y i xi y i xi 1 n xi2 ( xi ) 2
普通最小二乘法（OLS）
随机误差项方差估计值
ˆ2 ei2 n2
i 1,2,, n
y x 其中， 被称为被解释变量， 被称为解释变 量。为随机误差项， 为观测值下标， i n为样本容量， 为待估参数。 方程被称为随机总体方程。
残差项
ˆ ei yi yi yi ( ˆ 0 β 1 xi ) β ˆ ˆ ˆ y β β x e
回归分析
总体与样本 总体回归函数 样本回归函数 回归的主要内容
总体与样本（补充）
总体（Population or Sample Space)：随机试验所 有可能结果的集合，又叫样本空间。 样本点（Sample Point)：样本空间的每一元素。 事件(Events)：随机试验的可能结果组成的集合， 是总体的一个子集。 在理论上，总体是有限的，但在实际中很难收集每 一个信息。实践中我们所能做到的是从总体中抽 取一个“有代表性的”或“随机”的样本。
无偏性
有效性
一致性
参数估计量的性质
高斯－马尔可夫假定： 1、参数线性，总体模型可写成
yi β 0 β 1 xi ... β i xi μ i
2、随机抽样性 我们有一个含n次观测的随机样本，它来自总 体模型。 3、均值为0
E ( xi ) 0
4、不存在完全共线性 在样本（因而在总体中），没有一个自变量 是常数，自变量之间也不存在严格的线性 关系。 5、同方差性 Var ( xi ) 2 高斯－马尔可夫定理 β ˆ β 在上述假定下，ˆ 0 ,β 1 ,... ˆ i分别是β 0 ,β 1 ,... i 的 β 最优线性无偏估计量（BLUE）。
ˆ 0
xi2 y i xi y i xi n xi2 ( xi ) 2
Q 0 ˆ β
1
ˆ n y i xi y i xi 1 n xi2 ( xi ) 2
普通最小二乘法（OLS）
随机误差项方差估计值
ˆ2 ei2 n2
i 1,2,, n
y x 其中， 被称为被解释变量， 被称为解释变 量。为随机误差项， 为观测值下标， i n为样本容量， 为待估参数。 方程被称为随机总体方程。
残差项
ˆ ei yi yi yi ( ˆ 0 β 1 xi ) β ˆ ˆ ˆ y β β x e
回归分析
总体与样本 总体回归函数 样本回归函数 回归的主要内容
总体与样本（补充）
总体（Population or Sample Space)：随机试验所 有可能结果的集合，又叫样本空间。 样本点（Sample Point)：样本空间的每一元素。 事件(Events)：随机试验的可能结果组成的集合， 是总体的一个子集。 在理论上，总体是有限的，但在实际中很难收集每 一个信息。实践中我们所能做到的是从总体中抽 取一个“有代表性的”或“随机”的样本。
无偏性
有效性
一致性
参数估计量的性质
高斯－马尔可夫假定： 1、参数线性，总体模型可写成
yi β 0 β 1 xi ... β i xi μ i
2、随机抽样性 我们有一个含n次观测的随机样本，它来自总 体模型。 3、均值为0
E ( xi ) 0
4、不存在完全共线性 在样本（因而在总体中），没有一个自变量 是常数，自变量之间也不存在严格的线性 关系。 5、同方差性 Var ( xi ) 2 高斯－马尔可夫定理 β ˆ β 在上述假定下，ˆ 0 ,β 1 ,... ˆ i分别是β 0 ,β 1 ,... i 的 β 最优线性无偏估计量（BLUE）。
计量经济学第二章(第一部分)
i= 1
同
上
该准则消除了正负误差抵消，其缺点是：
不能保证找到的直线具有无偏性。如：
+2 －1
－1
+3
0 0
3 Yi -Yˆ i = 4
3
2
Yi -Yˆ i =6
i=1
i=1
3
3
2
Yi -Yˆ i = 3
Yi -Yˆ i =9
i=1
i=1
33 计量经济学
（3）使得
13 计量经济学
Y i01X iui,i1,2n,..., 同
上
其中 0，1 称为回归参数；u为随机误差 项； X称为解释变量；Y称为被解释变量。 “一元”是指：只有一个解释变量；
14 计量经济学
Y i01X iui,i1,2n,..., 同
上
“线性”包含：
被解释变量与间 解为 释线 变性 量关系
量Y的影响；
16 计量经济学
同 上
（2）变量观测值的观测误差的影响； （3）模型数学形式的设定误差影响； （4）其它随机因素的影响。
17 计量经济学
同 上
2、随机误差项u的特性
（1）对被解释变量Y的影响方向，有正有负；
（2）由于代表次要因素，因此，对Y的总平
均影响可视为零；
（3）对被解释变量Y的影响是非趋势的，是
假定2、3统称为高斯－马尔可夫假定。
23 计量经济学
假定4 cov(Xi,ui)=Exiui＝0 ,
假
定
i=1,2,…,n且X为确定性变量，而非 4
随机变量。
如果解释变量X是确定性变量而非随机变 量该假定自动成立，即EXi＝Xi ，EXiui＝ XiEui= 0 。该假定表明X与u不相关。因 为在模型中u包含了除X对Y的影响外其它 因素对Y的影响，因此应与X对Y的影响分 开。
二计量经济学模型共34页35页PPT
• 作为“原因”的变量，例如生产函数中的资本、劳动、技 术，是模型中的解释变量，在单一方程模型中，处于右端
解释变量与被解释变量
lY n A a lK n b lL n
被解释变量
解释变量
如何正确地选择解释变量?
(1) 需 要 正 确 理 解 和 把 握 所 研 究的经济现象中暗含的经济学 理论和经济行为规律。 (2) 选 择 变 量 要 考 虑 数 据 的 可 得性。 (3) 选 择 变 量 时 要 考 虑 所 有 入 选变量之间的关系，使得每一 个解释变量都是独立的。
前定变量
• 滞后内生变量的数值是前期所决定的， • 因此，它和外生变量都是在求解本期内生
变量之前已经确定了的变量 • 滞后变量与外生变量合称为前定变量 • 用作解释变量
前定变量用法
1. 滞后内生变量的作用视着外生变量。 2. 在单一模型中，前定变量多作为自变量，
内生变量一般作为应变量；在联立方程模 型中内生变量既可以作为应变量也可以作 为自变量。
如何解决
图1-2
一、理论模型的设计 1.确定模型所包含的变量 2.确定模型的数学形式 3.拟定理论模型中待估参数的理论 期望值 二、样本数据的收集 三、模型参数的估计 四、模型的检验 五、模型的应用
一、理论模型的设计
1.确定模型所包含的变量
在单方程模型中，变量分为两类。作 为研究对象的变量，也就是因果关系中 的“果”，是模型中的被解释变量；而 作为“原因”的变量，是模型中的解释 变量。确定模型所包含的变量，主要是 指确定解释变量。可以作为解释变量的 有下列几类变量：外生经济变量、外生 条件变量、外生政策变量和滞后被解释 变量。
初级水平。
3.理论计量经济学与应用计量经济学
解释变量与被解释变量
lY n A a lK n b lL n
被解释变量
解释变量
如何正确地选择解释变量?
(1) 需 要 正 确 理 解 和 把 握 所 研 究的经济现象中暗含的经济学 理论和经济行为规律。 (2) 选 择 变 量 要 考 虑 数 据 的 可 得性。 (3) 选 择 变 量 时 要 考 虑 所 有 入 选变量之间的关系，使得每一 个解释变量都是独立的。
前定变量
• 滞后内生变量的数值是前期所决定的， • 因此，它和外生变量都是在求解本期内生
变量之前已经确定了的变量 • 滞后变量与外生变量合称为前定变量 • 用作解释变量
前定变量用法
1. 滞后内生变量的作用视着外生变量。 2. 在单一模型中，前定变量多作为自变量，
内生变量一般作为应变量；在联立方程模 型中内生变量既可以作为应变量也可以作 为自变量。
如何解决
图1-2
一、理论模型的设计 1.确定模型所包含的变量 2.确定模型的数学形式 3.拟定理论模型中待估参数的理论 期望值 二、样本数据的收集 三、模型参数的估计 四、模型的检验 五、模型的应用
一、理论模型的设计
1.确定模型所包含的变量
在单方程模型中，变量分为两类。作 为研究对象的变量，也就是因果关系中 的“果”，是模型中的被解释变量；而 作为“原因”的变量，是模型中的解释 变量。确定模型所包含的变量，主要是 指确定解释变量。可以作为解释变量的 有下列几类变量：外生经济变量、外生 条件变量、外生政策变量和滞后被解释 变量。
初级水平。
3.理论计量经济学与应用计量经济学
(2024年)完整版李子奈计量经济学版第四版课件
• 二阶段最小二乘法（2SLS）：二阶段最小二乘法是一种常用的联立方程模型估 计方法。该方法首先对每个方程进行最小二乘估计，得到每个方程的残差；然 后使用这些残差作为解释变量，对所有方程进行再次估计。这种方法可以消除 方程之间的相互影响，得到一致的参数估计量。
• 三阶段最小二乘法（3SLS）：三阶段最小二乘法是对二阶段最小二乘法的改进。 该方法在第二阶段估计时，不仅考虑了残差作为解释变量，还考虑了其他所有 内生变量的估计值作为解释变量。这样可以进一步提高参数估计量的效率。
在社会科学领域，这些方法可用于分析人口 统计数据、经济指标等，揭示社会经济现象 背后的复杂关系。
2024/3/26
30
THANKS
感谢观看
2024/3/26
31
多重共线性的检验
相关系数矩阵法、方差膨胀因子 法、条件指数法等。
14
04
时间序列计量经济学模型
Chapter
2024/3/26
15
时间序列基本概念与性质
01
02
03
时间序列定义
按时间顺序排列的一组数 据，反映现象随时间变化 的发展过程。
2024/3/26
时间序列构成要素
现象所属的时间（年、季、 月、日等）和反映现象在 各个时间上的统计指标数 值。
28
半参数回归分析方法
部分线性模型
模型中既包含参数部分也包含非参数部分，参数部分用于描述主要 影响因素，非参数部分用于捕捉其他未知影响因素。
单指标模型
通过投影寻踪方法将高维数据降维到一维，然后利用非参数方法进 行回归分析。
变系数模型
模型系数随着某个或多个变量的变化而变化，可以灵活捕捉变量间的 动态关系。
不可识别的情况 当联立方程模型中的某个方程不能被任何其他方程所替代 时，该方程就是不可识别的。此时，无法对该方程的参数 进行一致估计。
• 三阶段最小二乘法（3SLS）：三阶段最小二乘法是对二阶段最小二乘法的改进。 该方法在第二阶段估计时，不仅考虑了残差作为解释变量，还考虑了其他所有 内生变量的估计值作为解释变量。这样可以进一步提高参数估计量的效率。
在社会科学领域，这些方法可用于分析人口 统计数据、经济指标等，揭示社会经济现象 背后的复杂关系。
2024/3/26
30
THANKS
感谢观看
2024/3/26
31
多重共线性的检验
相关系数矩阵法、方差膨胀因子 法、条件指数法等。
14
04
时间序列计量经济学模型
Chapter
2024/3/26
15
时间序列基本概念与性质
01
02
03
时间序列定义
按时间顺序排列的一组数 据，反映现象随时间变化 的发展过程。
2024/3/26
时间序列构成要素
现象所属的时间（年、季、 月、日等）和反映现象在 各个时间上的统计指标数 值。
28
半参数回归分析方法
部分线性模型
模型中既包含参数部分也包含非参数部分，参数部分用于描述主要 影响因素，非参数部分用于捕捉其他未知影响因素。
单指标模型
通过投影寻踪方法将高维数据降维到一维，然后利用非参数方法进 行回归分析。
变系数模型
模型系数随着某个或多个变量的变化而变化，可以灵活捕捉变量间的 动态关系。
不可识别的情况 当联立方程模型中的某个方程不能被任何其他方程所替代 时，该方程就是不可识别的。此时，无法对该方程的参数 进行一致估计。
计量经济学第二章 一元线性回归模型(1)(肖)
10
2．在经济学中，经济学家要研究个人
消费支出与个人可支配收入的依赖关系。
这种分析有助于估计边际消费倾向，就是
可支配收入每增加一元引起消费支出的平
均变化。
11
3．在企业中，我们很想知道人们对企
业产品的需求与广告费开支的关系。这种
研究有助于估计出相对于广告费支出的需
求弹性，即广告费支出每变化百分之一的
（2.3）
想想：结合表2.1的资料 ，怎样理解式（2.3）
变量Y 的原因， 给定变量X 的值也不能具
体确定变量Y的值， 而只能确定变量Y 的
统计特征，通常称变量X 与Y 之间的这种
关系为统计关系。
16
例如，企业总产出Y 与企业的资本投入
K 、劳动力投入L 之间的关系就是统计关 系。虽然资本K 和劳动力L 是影响产出Y 的两大核心要素，但是给定K 、L 的值并 不能确定产出Y 的值。因为，总产出Y 除 了受资本投入K、劳动力投入L 的影响外
在进入正式的回归理论之前，先斟酌一下变量y与变 量x可以互换的不同名称、术语。 Y 因变量 X 自变量
被解释变量 响应变量
被预测变量
解释变量 控制变量
预测变量
回归子
归回元
22
第二节
一、引例
一元线性回归模型
假定我们要研究一个局部区域的居 民消费问题，该区域共有80户家庭组成 ，将这80户家庭视为一个统计总体。
32
函数f (Xi)采取什么函数形式，是一个
需要解决的重要问题。在实际经济系统
中，我们不会得到总体的全部数据，因
而就无法据已知数据确定总体回归函数 的函数形式。同时，对总体回归函数的 形式只能据经济理论与经验去推断。
计量经济学第二章(第二部分)
其中，有k个解释变量；k+1个回归参数
3
计量经济学 第二章B
同 上
（2）矩阵形式： Y XB N Y1 Y2 Y ... Y n 1 1 X ... 1 0 u1 1 u2 , B , N ... ... u n 1 k (k 1) 1 n n 1 X 11 X 12 ... X 1n X 21 X 22 ... X 2n ... ... ... ... X k1 X k2 ... X kn n (k 1)
2
（2）当 R
2
k n -1
时，
R
2
<0 ,此时， 使
2
用 R 将失去意义。因此， R 只适
2
用于Y与解释变量整体相关程度较的
情况。
34
计量经济学 第二章B
四、回归方程的显著性检验
(1) 提出原假设 (2) 构造统计量 H 0 : 1 2 ... k 0 F ESS/k RSS/n (3) 对于给定的显著性水平 （4）判定方程的显著性， 若 F F ， 则拒绝原假设 若 F F ，则接受原假设 H 0，即模型的线性关系 F 检验； - k -1 ~ F(k, n - k - 1) ( 在 H 0 成立时） F
不管其质量的好坏，而所要求的样本容量
的下限。
20
计量经济学 第二章B
同 上
ˆ 由 B ( X X)
-1
ˆ X Y 中看到，要使 B
存在，
必须保证(XˊX)-1存在，因此，必须满
足|XˊX|≠0 ，即XˊX为满秩矩阵，而
计量经济学 第二章 一元线性回归模型
计量经济学第二章一元线性回归模型第二章一元线性回归模型第一节一元线性回归模型及其古典假定第二节参数估计第三节最小二乘估计量的统计特性第四节统计显著性检验第五节预测与控制第一节回归模型的一般描述（1）确定性关系或函数关系：变量之间有唯一确定性的函数关系。
其一般表现形式为：一、回归模型的一般形式变量间的关系经济变量之间的关系，大体可分为两类：（2.1)（2）统计关系或相关关系：变量之间为非确定性依赖关系。
其一般表现形式为：(2.2)例如：函数关系：圆面积S =统计依赖关系/统计相关关系：若x和y之间确有因果关系，则称(2.2)为总体回归模型，x(一个或几个）为自变量（或解释变量或外生变量），y为因变量（或被解释变量或内生变量），u为随机项，是没有包含在模型中的自变量和其他一些随机因素对y的总影响。
一般说来，随机项来自以下几个方面：1、变量的省略。
由于人们认识的局限不能穷尽所有的影响因素或由于受时间、费用、数据质量等制约而没有引入模型之中的对被解释变量有一定影响的自变量。
2、统计误差。
数据搜集中由于计量、计算、记录等导致的登记误差；或由样本信息推断总体信息时产生的代表性误差。
3、模型的设定误差。
如在模型构造时，非线性关系用线性模型描述了；复杂关系用简单模型描述了；此非线性关系用彼非线性模型描述了等等。
4、随机误差。
被解释变量还受一些不可控制的众多的、细小的偶然因素的影响。
若相互依赖的变量间没有因果关系，则称其有相关关系。
对变量间统计关系的分析主要是通过相关分析、方差分析或回归分析(regression analysis)来完成的。
他们各有特点、职责和分析范围。
相关分析和方差分析本身虽然可以独立的进行某些方面的数量分析，但在大多数情况下，则是和回归分析结合在一起，进行综合分析，作为回归分析方法的补充。
回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。
第四讲(计量经济学第二章)PPT课件
1C(o Q X,v)1Q 01
12
六、参数估计量的概率分布及随机扰 动项方差的估计
13
经典假设下，普通最小二乘估计的分布
^
0 0 wii
ˆ1 1 ki i
^
0~N(0,2
w2) i
^
1~N(1,2
k2) i
14
古典假设下，随机扰动项方差的估计
^
2
1
n2
ei2
^2
(n2)2 ~2(n2) （证明略）
6
2、一元线性回归模型普通最小二乘估 计量的性质
高斯—马尔可夫定理(Gauss-Markov theorem)
在古典回归模型的基本假定下，最小 二乘估计量是具有最小方差的线性 无偏估计量，具有一致性。
7
无偏性：即
^
^
E00,E11
证： ˆ1 1 ki i
E ( ˆ 1 ) E ( 1 k ii ) 1 k i E ( i ) 1
1
x12i x22i(x1ix2i)2
[( x2 2i)x1iyi][( x1ix2i)x2iyi]
[ ]y x1 2i x2 2i(x1ix2i)2
( x2 2i)x1i( x1ix2i)x2i x12i x2 2i(x1ix2i)2 i
^
( x22i)x1i( x1ix2i)x2i
参数β0的区间估计所需要的统计量：
~t(n2) ^
T 00
0
S^
0
设置信水平 1
p{T|0|t}1
2
^
^
得置信区间： ( 0t2S^0, 0t2S^0)
17
二元线性回归模型
二元线性回归模型 Y i01 X 1 i2 X 2 i u i
12
六、参数估计量的概率分布及随机扰 动项方差的估计
13
经典假设下，普通最小二乘估计的分布
^
0 0 wii
ˆ1 1 ki i
^
0~N(0,2
w2) i
^
1~N(1,2
k2) i
14
古典假设下，随机扰动项方差的估计
^
2
1
n2
ei2
^2
(n2)2 ~2(n2) （证明略）
6
2、一元线性回归模型普通最小二乘估 计量的性质
高斯—马尔可夫定理(Gauss-Markov theorem)
在古典回归模型的基本假定下，最小 二乘估计量是具有最小方差的线性 无偏估计量，具有一致性。
7
无偏性：即
^
^
E00,E11
证： ˆ1 1 ki i
E ( ˆ 1 ) E ( 1 k ii ) 1 k i E ( i ) 1
1
x12i x22i(x1ix2i)2
[( x2 2i)x1iyi][( x1ix2i)x2iyi]
[ ]y x1 2i x2 2i(x1ix2i)2
( x2 2i)x1i( x1ix2i)x2i x12i x2 2i(x1ix2i)2 i
^
( x22i)x1i( x1ix2i)x2i
参数β0的区间估计所需要的统计量：
~t(n2) ^
T 00
0
S^
0
设置信水平 1
p{T|0|t}1
2
^
^
得置信区间： ( 0t2S^0, 0t2S^0)
17
二元线性回归模型
二元线性回归模型 Y i01 X 1 i2 X 2 i u i
计量经济学模型讲解35页PPT
谢谢！
计量经济学模型讲解
1、战鼓一响，法律无声。——英国 2、任何法律的根本；不，不成文法本 身就是 讲道理 ……法 律，也 ----即 明示道 理。— —爱·科 克
3、法律是最保险的头盔。——爱·科 克 4、一个国家如果纲纪不正，其国风一 定颓败 。—— 塞内加 5、法律不能使人人平等，但是在法律 面前人 人是平 等的。 ——波 洛克
61、奢侈是舒适的，否则就不是奢侈 。——CocoCha nel 62、少而好学，如日出之阳；壮而好学 ，如日 中之光 ；志而 好学， 如炳烛 之光。 ——刘 向 63、三军可夺帅也，匹夫不可夺志也。 ——孔 丘 64、生就是学校。在那里，与其说好 的教师 是幸福 ，不如 说好的 教师是 不幸。 ——海 贝尔 65、接受挑战，就可以享受胜利的喜悦 。——杰纳勒 尔·乔治·S·巴顿
计量经济学第2章PPT课件
9
第9页/共29页
三、随机扰动项
总体回归函数说明在给定的收入水平Xi下，该 社区家庭平均的消费支出水平。
但对某一个别的家庭，其消费支出可能与该平 均水平有偏差。
记
i Yi E(Y | X i )
称i为观察值Yi围绕它的期望值E(Y|Xi)的离差
（deviation），是一个不可观测的随机变量，又称 为随机干扰项（stochastic disturbance）或随机误 差项（stochastic error）。
了其他影响Yi 的随机因素的集合，可看成是i 的估计量ˆ i 。
由于方程中引入了随机项，成为计量经济模型，因此 也称为样本回归模型（sample regression model）。
15
第15页/共29页
▼回归分析的主要目的：根据样本回归函数SRF，估
计总体回归函数PRF。
即，根据
Yi Yˆi ei ˆ0 ˆ1 X i ei
561 638 869 1023 1254 1408 1650 1969 2090 2299 594 748 913 1100 1309 1452 1738 1991 2134 2321 627 814 924 1144 1364 1551 1749 2046 2178 2530 638 847 979 1155 1397 1595 1804 2068 2266 2629
2、回归分析的基本概念
回归分析(regression analysis)是研究一个变量关于 另一个（些）变量的具体依赖关系的计算方法和理论。
其用意：在于通过后者的已知或设定值，去估计和 （或）预测前者的（总体）均值。
这里：前一个变量被称为被解释变量（Explained Variable）或应变量（Dependent Variable），后一个 （些）变量被称为解释变量（Explanator y Variable）或
第9页/共29页
三、随机扰动项
总体回归函数说明在给定的收入水平Xi下，该 社区家庭平均的消费支出水平。
但对某一个别的家庭，其消费支出可能与该平 均水平有偏差。
记
i Yi E(Y | X i )
称i为观察值Yi围绕它的期望值E(Y|Xi)的离差
（deviation），是一个不可观测的随机变量，又称 为随机干扰项（stochastic disturbance）或随机误 差项（stochastic error）。
了其他影响Yi 的随机因素的集合，可看成是i 的估计量ˆ i 。
由于方程中引入了随机项，成为计量经济模型，因此 也称为样本回归模型（sample regression model）。
15
第15页/共29页
▼回归分析的主要目的：根据样本回归函数SRF，估
计总体回归函数PRF。
即，根据
Yi Yˆi ei ˆ0 ˆ1 X i ei
561 638 869 1023 1254 1408 1650 1969 2090 2299 594 748 913 1100 1309 1452 1738 1991 2134 2321 627 814 924 1144 1364 1551 1749 2046 2178 2530 638 847 979 1155 1397 1595 1804 2068 2266 2629
2、回归分析的基本概念
回归分析(regression analysis)是研究一个变量关于 另一个（些）变量的具体依赖关系的计算方法和理论。
其用意：在于通过后者的已知或设定值，去估计和 （或）预测前者的（总体）均值。
这里：前一个变量被称为被解释变量（Explained Variable）或应变量（Dependent Variable），后一个 （些）变量被称为解释变量（Explanator y Variable）或
相关主题
- 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)。
三、实际经济问题中的异方差性
例4.1.1：截面资料下研究居民家庭的储蓄行为
Yi=0+1Xi+i
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
例4.1,2，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：
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
e~22i
F
e~12i
(n (n
2
c c
k k
1) 1)
计量经济检验：对模型基本假定的检验
本章主要学习：前4类
§4.1 异方差性
一、异方差的概念 二、异方差的类型 三、实际经济问题中的异方差性 四、异方差性的后果 五、异方差性的检验 六、异方差的修正 七、案例
一、异方差的概念
对于模型
Yi 0 1 X ii 2 X 2i k X ki i
Ci=0+1Yi+I
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。
例4.1.3，以某一行业的企业为样本建立企业生产 函数模型
四、异方差性的后果
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(’)=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
第四章 经典单方程计量经济学 模型：放宽基本假定的模型
基本假定违背：不满足基本假定的情况。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）； 此外： （5）模型设定有偏误 （6）解释变量的方差不随样本容量的增而收敛
Yi=Ai1 Ki2 Li3ei
被解释变量：产出量Y 解释变量：资本K、劳动L、技术A， 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。 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。 这时，随机误差项的方差并不随某一个解释变量 观测值的变化而呈规律性变化，呈现复杂型。
X 递增异方差
e~i (Park)检验与戈里瑟(Gleiser)检验
基本思想: 偿试建立方程：
e~i2 f ( X ji ) i 或 | e~i | f ( X ji ) i
选择关于变量X的不同的函数形式，对方程进 行估计并进行显著性检验，如果存在某一种函 数形式，使得方程显著成立，则说明原模型存 在异方差性。
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）。
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
e~i yi ( yi ) 0ls
几种异方差的检验方法：
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（即不在一个固定的带型域中）
( 2 ) X - e ~ i2 的 散 点 图 进 行 判 断
看是否形成一斜率为零的直线
e~i 2
e~i 2
X 同方差
e~i 2
~
F(n
2
c
k
1,
n
2
c
k
1)
2
⑤给定显著性水平，确定临界值F(v1,v2)， 若F> F(v1,v2)， 则拒绝同方差性假设，表明 存在异方差。 当然，还可根据两个残差平方和对应的子样 的顺序判断是递增型异方差还是递减异型方差。
3、怀特（White）检验
怀特检验不需要排序，且适合任何形式的异方差 怀特检验的基本思想与步骤（以二元为例）：
变量的显著性检验中，构造了t统计量
其他检验也是如此。
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；
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。
五、异方差性的检验
• 检验思路：
由于异方差性就是相对于不同的解释变量 观测值，随机误差项具有不同的方差。那么：
检验异方差性，也就是检验随机误差项的 方差与解释变量观测值之间的相关性及其相 关的“形式”。
问题在于用什么来表示随机误差项的方差 一般的处理方法：
首先采用 OLS 法估计模型，以求得随机误差项的 估计量（注意，该估计量是不严格的），我们称之为“近 似估计量”，用e~i 表示。于是有
Var(i ) E (i2 ) e~i2
如果出现
Var(i
)
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，则认为出现了异方差性 (Heteroskedasticity)。
二、异方差的类型
同方差性假定：i2 = 常数 f(Xi) 异方差时： i2 = f(Xi)
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
如： 帕克检验常用的函数形式：
f
(X
ji
)
2
X
e i
ji
或 ln(e~i2 ) ln 2 ln X ji i
若在统计上是显著的，表明存在异方差性。
3、戈德菲尔德-匡特(Goldfeld-Quandt)检验
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：
Yi 0 1 X 1i 2 X 2i i