计量经济学：异方差
计量经济学基础-异方差
但是如果出现了异方差而一味采用惯常的检验程序，将导致检验及 区间估计的偏误。
3、模型的预测失效
第三节、异方差性的检验
一个重要的问题是：怎样知道在一个具体的情况中是否有异方 差？实际中并不存在侦破异方差性的严明法则，只有少数的经验规 则。我们介绍几种：
1、图解法 如果对异方差性的性质没有任何先验或经验信息，实际上，可 先在无异方差性的假定下作回归分析，以解释变量为横坐标，以残 差平方为纵坐标得出二维散点图，从图中判断二者的相关性。这是 非正式的方法，不够精确。
本章结束
坐标，可作出残差图(如图所示)。该残差图的形状象一个喇叭， 由此可以看出，销售收入小的商店，其残差一般也较小；而销售
收入大的商店，其残差一般也较大；残差有随着商店规模增大而
增大的倾向。这表明，不同规模的商店，其利润总额的方差是不
相同的，从而模型中随机误差的方差不是常数，这里存在着异方
差现象。
在实际问题中出现异方差性的例子很多．对回归模型 中异方差现象的研究，是经济计量学中的一个重要内容。 为什么会产生这种异方差性呢? 一方面是因为随机项包括 了观察测量误差和模型中被省略的一些因素对被解释变量 （因变量）的影响，另一方面来自不同抽样单元的因变量 观察值之间可能差别很大。因此、异方差性多出现在横断 面样本之中。至于时间序列，则由于因变量观察值来自不 同时期的同一样本单元．通常因变量的不同观察值之间的 差别不是很大。所以异方差性一般不明显。
( X T X )1 X T E( T ) X ( X T X )1
2 ( X T X )1( X T X ) X ( X T X )1 2 ( X T X )1
因而使用OLS 法，得到的估计量是无偏的，但不是有效的。
计量经济学异方差实验报告及心得体会
计量经济学异方差实验报告及心得体会一、实验简介本实验旨在通过构建模型来研究经济学中的异方差问题，并通过实证分析来探讨其对模型结果的影响。
实验数据采用随机抽样方法自真实经济数据中获取，共包括两个自变量和一个因变量。
在实验中，我将对模型进行两次回归分析，一次是假设无异方差问题，一次是考虑异方差问题，并比较两个模型的结果。
二、实验过程1.数据准备：根据实验设计，我根据随机抽样方法，从真实经济数据中抽取了一部分样本数据。
2.模型建立：我将自变量Y和X1、X2进行回归分析。
首先，我假设模型无异方差问题，得到回归结果。
然后，我将检验异方差性，若存在异方差问题，则建立异方差模型继续回归分析。
3.模型估计：利用最小二乘法进行参数估计，并计算回归结果的标准差和假设检验。
4.模型比较：对比两个模型的回归结果，分析异方差对模型拟合程度和参数估计的影响。
三、实验结果1.无异方差假设模型回归结果：回归方程：Y=0.9X1+0.5X2+2.1标准差：0.3显著性水平：0.05拟合优度：0.852.考虑异方差问题模型回归结果：回归方程：Y=0.7X1+0.4X2+1.9标准差：0.6显著性水平：0.05拟合优度：0.75四、实验心得体会通过本次实验，我对计量经济学中的异方差问题有了更深入的了解，并进一步认识到其对模型结果的影响。
1.异方差问题的存在会对统计推断结果产生重要影响。
在本次实验中，考虑异方差问题的模型相较于无异方差模型，参数估计值差异较大，并且拟合优度也有所下降。
因此，我们在实证分析中应尽可能考虑异方差问题。
2.在实际应用中，异方差问题可能较为普遍。
经济学中的许多变量存在异方差性，例如，个体收入、消费支出等。
因此，在进行经济学研究时，我们应当警惕并尽量排除异方差问题。
3.针对异方差问题，我们可以采用多种方法进行调整，例如，利用异方差稳健标准误、加权最小二乘法等。
在本次实验中，我们采用了异方差模型进行调整，并得到了相对较好的结果。
计量经济学第六章异方差性1
以因变量的拟合值 （或某个解释变量）为横坐 标，残差平方为纵坐标，将n个样本点的值描在 坐标系中。根据这n个点的分布情况，可以寻找 模型错误或方差不相同的证据。
残差散点图例
ei2
无趋势， 满足假定。
ei2
误差随 y 的增加 而增加
0
yi
0
ei2
ei2
yi
0
误差呈规律性变化，原因可能是模型不适合， 也可能是缺少某些重要值变量
yi
0
yi
二、异方差性的侦察
正式方法：检验随机误差项的方差与解 释变量观测值之间的相关性。
帕克（Park）检验
先做OLS回归，不考虑异方差性问题。 从OLS回归中获得ei2 ，作下述回归：
三、 已知时的异方差修正
以一元回归为例： yi=β1+β2xi+i
σi σi σi
2 σi
Var ( i ) = σ i2
(1)
用σi除上式得：yi = β ( 1 ) + β ( xi ) + i 1 2
σi
对上式进行OLS估计，即最小化如下函数：
min
∑σ
( 1
yi
i
1 β xi ) 2 = β1 2
t = (3.7601) (-1.6175) R2 = 0.1405 ①和②表明，可以拒绝同方差性（存在异方差）
③
异方差的修正
2 E ( i ) = CX i RD 1 变换： = 246.68 + 0.0368 salei salei salei se : (341.13) (0.0071) t : (0.6472) (5.1723) r 2 = 0.6258
计量经济学试题异方差性与加权最小二乘法
计量经济学试题异方差性与加权最小二乘法计量经济学试题：异方差性与加权最小二乘法一、引言计量经济学作为经济学的一个重要分支，通过运用数理统计和经济理论的方法，旨在分析经济现象并进行经济政策的评估。
在实证分析中，经常会遇到异方差性的问题，而加权最小二乘法是处理异方差性的一种重要方法。
本文将探讨异方差性的来源、加权最小二乘法的原理与应用。
二、异方差性的来源异方差性是指随着自变量的变化，随机误差的方差也会发生变化。
异方差性可能会导致经验结果不准确、偏离真实情况，并影响对经济现象的解释和预测。
以下是可能导致异方差性的原因：1. 条件异方差性：数据的方差可能与自变量之间的关系存在相关性。
例如，在研究家庭收入对教育支出的影响时，高收入家庭的支出方差可能比低收入家庭更大。
2. 记忆效应：在纵向数据分析中，随着时间的推移，个体经济行为可能受到过去观测结果的影响，进而导致异方差性的存在。
3. 测量误差：数据收集中的测量误差可能会导致异方差性。
例如，对于某些变量，测量误差可能更大，从而导致随机误差的方差不一致。
三、加权最小二乘法的原理加权最小二乘法（Weighted Least Squares, WLS）是一种用于处理异方差性的回归方法，其原理是通过给不同观测值分配不同的权重，以减小异方差的影响。
具体来说，加权最小二乘法的目标是最小化加权残差平方和。
在加权最小二乘法中，权重的选择是关键。
常见的权重选择方法包括：1. 方差稳定化权重：根据方差与自变量的关系，将观测值的权重设置为方差的倒数，以减小方差变化带来的影响。
2. 广义最小方差法权重：将权重设置为具有稳定方差的函数形式，例如Huber权重函数、Andrews权重函数等。
3. 经验权重：根据经验判断，给不同观测值分配权重，以反映其重要性。
四、加权最小二乘法的应用加权最小二乘法在计量经济学中有广泛的应用。
以下是一些常见的应用领域：1. 金融经济学：在金融领域中，异方差性往往普遍存在。
计量经济学-第11章 异方差性
White的一般异方差性检验
基本思想：
对于 Yi 1 2 X 2i 3 X 3i ui
(11.5.20)
看uˆi2与X
2i
,
X
3i
,
X
2 2i
,
X
2 3i
,
X
2i
X
3i
是否存在
回归关系.
对于 Yi 1 2 X 2i 3 X 3i ui
(11.5.20)
(11.2.2) 返回 (11.2.3) 返回
在经典模型的各种假定，包括同方差性假定在 内，全部成立的情形下，OLS估计量是BLUE
其他假定不变，同方差性假定不成立时，OLS 估计量不再是BLUE
OLS估计量仍然是线性的和无偏的，但是，不
再是“最优的”或“有效的”，即2 ，3
，， n
E (u i2
)
2 i
见P388 Fig. 11.2
(11.1.2)
异方差的理由
按照边错边改学习模型（error—learning models)， 人们的行为误差随时间而减少。见Fig. 11.3
随着收入的增长，人们在支出和储蓄中有更大的灵
活性。在做储蓄对收入的回归中，
2 i
与收入俱增
其中vi是变换后的干扰项，vi
ui Xi
。可以证明：
2
E(vi2 )
E
ui Xi
1
X
2 i
E(ui2 )
2 利用(11.6.5)
假定2.：
误差方差正比于X
：
i
E(ui2 ) 2 X i
计量经济学第九章异方差
四、异方差的补救措施
（一）加权最小二乘法 1.当 2i已知时： 考虑双变量PRF，
Y i B 1 B 2 X i ui (7)
var(ui ) i2
其中，Y为被解释变量，X为解释变量。假设误差方差 对模型（７）考虑如下变换：
i
Yi B 1(
是已知的。
i
1
) B2 (
ln ei2 B1 B2 ln X i vi
2
(3)
(4)检验零假设 B 0 ，即不存在异方差。如果 ln X i 和 ln ei2 之 间是统计显著的，则拒绝零假设：不存在异方差。
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：
ln ei2 3.412 0.938 ln salesi se (4.972)
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
(1)残差图可以是关于观察值与残差的散点图，也可以是残 ˆ 的散点图。这些图可以帮 差与解释变量，残差与估计值 Y i 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R&D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 e (2)此外，还可以利用残差的平方 i 与观察值或解释变量或 ei2 估计值的散点图来判断是否存在异方差。一般来说， 与变量 X 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。
计量经济学第五章异方差性
计量经济学第五章异⽅差性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若⼲⽅法。
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、⼆个例⼦例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变化，⽽偏离均值的程度⼤⼩的不同，就是所谓的随机误差的⽅差存在变异，即异⽅差。
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212.03350.1044(0.6165)(12.3666)0.8547,..56.9046,152.9322213.4639,146.4905Y Y X R S E F Y 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）很有可能存在异⽅差性。
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 3735.50548.563?+-= （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）。
计量经济学：异方差性
计量经济学：异方差性异方差性在现实经济活动中，最小二乘法的基本假定并非都能满足，上一章介绍的多重共线性只是其中一个方面，本章将讨论违背基本假定的另一个方面——异方差性。
虽然它们都是违背了基本假定，但前者属于解释变量之间存在的问题，后者是随机误差项出现的问题。
本章将讨论异方差性的实质、异方差出现的原因、异方差的后果，并介绍检验和修正异方差的若干方法。
第一节异方差性的概念一、异方差性的实质第二章提出的基本假定中，要求对所有的i （i=1，2，…，n ）都有2)(σ=i u Var （5.1）也就是说i u 具有同方差性。
这里的方差2σ度量的是随机误差项围绕其均值的分散程度。
由于0)(=i u E ，所以等价地说，方差2σ度量的是被解释变量Y 的观测值围绕回归线)(i Y E =ki k i X X βββ+++ 221的分散程度，同方差性实际指的是相对于回归线被解释变量所有观测值的分散程度相同。
设模型为n i u X X Y iki k i i ,,2,1221 =++++=βββ （5.2）如果其它假定均不变，但模型中随机误差项i u 的方差为).,,3,2,1(,)(22n i u Var i i ==σ (5.3)则称i u 具有异方差性。
由于异方差性指的是被解释变量观测值的分散程度是随解释变量的变化而变化的，如图5.1所示，所以进一步可以把异方差看成是由于某个解释变量的变化而引起的，则)()(222i i i X f u Var σσ== (5.4)图5.1二、产生异方差的原因由于现实经济活动的错综复杂性，一些经济现象的变动与同方差性的假定经常是相悖的。
所以在计量经济分析中，往往会出现某些因素随其观测值的变化而对被解释变量产生不同的影响，导致随机误差项的方差相异。
通常产生异方差有以下主要原因：1、模型中省略了某些重要的解释变量异方差性表现在随机误差上，但它的产生却与解释变量的变化有紧密的关系。
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)
计量经济学第五章 异方差性
●异方差性的概念 ●异方差产生的后果 ●异方差的检测方法 ●异方差的补救
1
第一节 异方差性的概念
一、异方差性的实质 二、异方差产生的原因
2
一、异方差性的实质
设模型为
Yi 1 2 X 2i 3 X3i ... k X ki ui
如果对于模型中随机误差项,有：
8
第二节 异方差性的后果
一、对参数估计统计特性的影响 二、对参数显著性检验的影响 三、对预测的影响
9
一、对参数估计式统计特性的影响
1、仍然具有线性性 2、仍然具有无偏性
参数估计的无偏性仅依赖于基本假定中的零 均值 假定（即 E(ui ) 0 ）。所以异方差的存在对 无偏性的成立没有影响。
3、仍然具有一致性 4、不再具有最小方差性
24
4、检验的特点
（1）适用于大样本； （2）检验递增型或递减型异方差； （3）只能判断异方差是否存在，在多个解释变 量的情下，对哪一个变量引起异方差的判断存在局 限； （4）该检验的功效取决于C，C值越大，检验功 效越好； Continued
25
Continued （5）两个子样回归所用的观测值个数如果不 相等时，也可以用该检验，需要通过改变自由度 和统计量的计算公式来调整； （6）当模型中包含多个解释变量时，应对每 个可能引起异方差的解释变量都进行检验。
26
三、White检验
1、基本思想：
构造残差平方序列与解释变量之间的辅助函 数，通过判断辅助函数的显著性来判断原方程是 否存在异方差。 一般而言，辅助回归的解释变量包括常数项、 原模型中的解释变量、解释变量平方、其交叉乘 积。
27
2、检验的基本步骤：
原模型为
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。
计量经济学第五章-异方差
可编辑ppt
5
一、参数的OLS估计仍然是线性无偏的，但不 是最小方差的估计量
1、线性性
bˆ1
= xi yi xi 2
= b1
+ xi ui xi 2
一元线性回归模型为例
2、无偏性
E( bˆ1 )=E(
b1
+
xi ui xi 2
在同方差的假定下才被证明是服从 t 分布的。 分母变大，t 值变小，t 检验也就失去意义。
三、降低预测精度
由于存在异方差，参数的OLS估计的方差增大，参数 估计值的变异程度增大，从而造成对 Y 的预测误差变大， 降低预测的精度。
可编辑ppt
7
第二节 异方差的检验
• 1、图解法 • 2、戈德菲尔德—匡特法（双变量模型） • 3、怀特检验（White） • 4、戈里瑟(Glejser)检验 • 5、帕克(Park)检验
• 二、随着收入的增长，人们有更多的备用收入，从而如何支配 他们的收入有更大的选择范围。因此，在做储蓄对收入的回归 时，很可能发现，由于人们对其储蓄行为有更多的选择，与收 入俱增。
• 三、个体户收入随时间变化。
• 四、异方差还会因为异常值的出现而产生。一个超越正常值范 围的观测值或称异常值是指和其它观测值相比相差很多（非常 小或非常大）的观测值。
)= b1+
xi E(ui xi 2
)
=
b1
3、方差
该形式不具有最小方差
Var( bˆ1 ) =
i 2
xi 2
在同方差时，
xi2 Xi2 xi 2
该形式具有最小方差
Var(
经典单方程计量经济学模型(异方差性)
80%
适用范围
对数变换法适用于存在异方差性 的模型，尤其适用于解释变量和 被解释变量之间存在非线性关系 的情况。
04
异方差性与模型选择
异方差性与模型适用性
异方差性是指模型中误差项的 方差不为常数，而是随解释变 量的变化而变化。
在异方差性存在的情况下，经 典的单方程计量经济学模型可 能不再适用，因为模型假设误 差项的方差是恒定的。
为了使模型具有适用性，需要 选择能够处理异方差性的模型 ，例如广义最小二乘法、加权 最小二乘法等。
异方差性与模型预测能力
异方差性的存在会影响模型的预测能力，因为异方差性会导致模 型的残差不再独立同分布，从而影响模型的预测精度。
为了提高模型的预测能力，需要采取措施处理异方差性，例如使 用稳健的标准误、对误差项进行变换等。
在实践中，应该充分考虑异方差性的影响，采取适当 的措施进行修正，以提高模型的预测和推断能力。
02
异方差性的检验
图示检验法
残差图检验
通过绘制残差与拟合值的图形，观察残差的分布情况，判断是否 存在异方差性。如果残差随着拟合值的增加或减少而呈现有规律 的变化，则可能存在异方差性。
杠杆值图检验
将数据按照杠杆值（leverage）进行排序，并绘制杠杆值与残差的 图形。如果图形显示高杠杆值对应的点有异常的残差分布，则可能 存在异方差性。
经典单方程计量经济学模型(异 方差性)
目
CONTENCT
录
• 异方差性简介 • 异方差性的检验 • 异方差性的处理方法 • 异方差性与模型选择 • 经典单方程计量经济学模型中的异
方差性
01
异方差性简介
定义与特性
异方差性是指模型残差的方差不为常数，随着解释 变量的变化而变化。
计量经济学异方差实验报告及心得体会
计量经济学异方差实验报告及心得体会一、实验报告实验步骤：1、设定实验数据：设置自变量X和因变量Y，并人为引入异方差，即error项的方差不恒定。
2、建立回归模型：根据设定的数据，建立回归模型，运用最小二乘法估计模型参数。
3、对回归结果进行分析：通过查看回归系数、残差和残差的图形等，判断是否存在异方差问题。
4、进行异方差检验：利用统计软件进行异方差检验，如White 检验或Breusch–Pagan检验等，获取检验结果。
5、处理异方差问题：根据异方差检验结果，采取相应的处理方法，如使用加权最小二乘法或进行异方差稳健标准误的估计。
6、比较处理前后的回归结果：对处理前后的回归结果进行比较和分析，观察异方差的处理是否有效。
实验结果：在实验过程中，我们设定了一个简单的回归模型，并引入异方差。
经过处理异方差问题后，我们发现被异方差影响的模型的回归系数和标准误均有所变化。
而经过异方差处理后，回归结果更加稳定，模型的预测能力也相应提高。
二、心得体会通过本次实验，我对计量经济学中异方差的概念和影响有了更加深入的了解。
异方差问题存在时，回归模型的估计结果可能会产生偏误，影响模型的准确性。
因此，我们需要进行异方差检验，并采取相应的处理方法。
实验过程中，我们运用了统计软件进行异方差检验和处理，这使得整个分析过程更加简洁和高效。
此外，本次实验还提醒我们在实际研究中要注意可能存在的异方差问题，并及时处理。
在计量经济学领域，处理异方差问题的方法有很多，选择适合实际情况的方法非常重要。
因此，我们需要不断学习和实践，提高自己的计量经济学分析能力。
总之，本次实验对我们深入理解异方差在计量经济学中的重要性起到了很好的引导作用。
通过亲自操作和实践，我们能更好地掌握计量经济学分析的方法和技巧，有助于我们在未来的研究和实践中更好地运用和应用计量经济学知识。
计量经济学四五章 李子奈
ii i i i i i i X X X X X X e εαααααα++++++=215224213221102~第四章异方差1.异方差的概念和类型概念：对于模型 如果出现 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。
异方差一般可归结为三种类型：(1)单调递增型： σi 2随X 的增大而增大(2)单调递减型： σi 2随X 的增大而减小(3)复杂型： σi 2与X 的变化呈复杂形式2.几种异方差的检验方法（描述原理即可）（1）图示检验法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用X-的散点图进行判断：看是否形成一斜率为零的直线（2）帕克(Park)检验与戈里瑟(Gleiser)检验选择关于变量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。
（3）G-Q 检验先将样本一分为二，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）。
（4）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。
以二元为例 先进行OLS 回归，得到 然后做辅助回归 可以证明，在同方差假设下，从该辅助回归所得到的可决系数R2与样本容量n 的乘积，渐进地服从自由度为辅助回归方程中解释变量个数的卡方分布：（R2为辅助回归的可决系数，h 为辅助回归法人解释变量的个数）如果存在异方差性，则表明确与解释变量的某种组合有显著的相关性，这时往往显示出有较高的可决系数并且某一参数的t 检验值较大。
3.异方差的后果（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。
- 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)。
1.2E+11 RESID 8.0E+10
4.0E+10
6.0E+11
0.0E+00
4.0E+11 2.0E+11 0.0E+00 84 86 88 90 92 94 96 98 00 02
-4.0E+10
-8.0E+10 84 86 88 90 92 94 96 98 00 02
（第3版教材第92页）
ˆ t 2 = 0 +1 xt1 +2 xt2 + 3 xt12 +4 xt22 + 5 xt1 xt2 + vt u ˆ t 2 对原回归式中的各解释变量、解释变量的平方项、交叉积项进行 即用 u
OLS 回归。注意，上式中要保留常数项。求辅助回归式的可决系数 R2。 ③White 检验的零假设和备择假设是 H0：ut 不存在异方差， H1：ut 存在异方差。
异方差
异方差概念 异方差来源与后果 异方差检验（Goldfeld-Quandt 检验、 White 检验、Glejser 检验） 异方差的修正方法（GLS、WLS） 异方差案例分析
5.1 异方差概念
同方差假定：模型的假定条件⑴ 给出Var(u) 是一个对角 矩阵，且主对角线上的元素都是常数且相等。 Var(u) = E(u u' ) =
5.2 异方差来源与后果
B1F1 12 10 8 6 4 2
B1F2
B1F3
异方差后果：
0 0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.42.6ຫໍສະໝຸດ 2.8当 Var(ut) = t 2，为异方差时（t 2 是一个随时间或序数变化的量） ， 回归参数估计量仍具有无偏性和一致性，但是不再具有有效性。
②用两个子样本分别估计回归直线， 并计算残差平方和。 相对于 n2 和 n1 分 别用 SSE2 和 SSE1 表式。 ③ 构造 F 统计量。F =
SSE2 /(n 2 k ) SSE2 ， （k 为模型中被估参数个数） SSE1 /(n1 k ) SSE1
在 H0 成立条件下，F F(n2 - k, n1 - k) ④ 判别规则如下， 若 F F (n2 - k, n1 - k), 接受 H0（ut 具有同方差） 若 F > F(n2 - k, n1 - k), 拒绝 H0（递增型异方差） 注意： ① 当摸型含有多个解释变量时，应以每一个解释变量为基准检验异方差。 ② 此法只适用于递增型异方差。 ③ 对于截面样本，计算 F 统计量之前，必须先把数据按解释变量的值从小 到大排序。
500
600
700
800
900 1000 1100 1200
5.2 异方差来源与后果
异方差来源： (1) 时间序列数据和截面数据中都有可能存在异方差。 (2) 经济时间序列中的异方差常为递增型异方差。金融时间序 列中的异方差常表现为自回归条件异方差。
1.2E+12 1.0E+12 8.0E+11 GDP of Philippin
（第3版教材第91页）
异方差通常有三种表现形式， （1）递增型， （2）递减型， （3）条件自回归型。
7 6 5 4 3 2 1 0 20 40 60 80 100 120 140 160 180 200 Y
7 6 5 4 3 2 1 0 0 50 100 150 200 X Y
6 4 2 0 -2 -4 -6 -8 400 DJ PY
= (X ' X)-1 X ' E (u u' ) X (X ' X )-1 = 2 (X 'X )-1 X ' X (X ' X )-1
ˆ 是非有效估计量。 不等于 (X ' X )-1，所以异方差条件下
5.4 异方差检验
5.4.1 定性分析异方差 (1) 宏观经济变量容易出现异方差。 (2) 利用散点图做初步判断。 (3) 利用残差图做初步判断。
7 6 5 Y
3 Y 2 1
4
0
3 2 1 0 20 40 60 80 100 120 140 160 180 200
-1 -2 T -3 0 50 100 150 200
散点图
残差图
5.4 异方差检验
（第3版教材第93页）
(1) Goldfeld-Quandt 检验
H0: ut 具有同方差， H1: ut 具有递增型异方差。 ①把原样本分成两个子样本。具体方法是把成对（组）的观测值按解释变
5.4 异方差检验
（第3版教材第93页）
(2) White 检验 White 检验由 H. White 1980 年提出。White 检验不需要对观测值排序，也 不依赖于随机误差项服从正态分布， 它是通过一个辅助回归式构造 2 统计 量进行异方差检验。以二元回归模型为例，White 检验的具体步骤如下。 yt = 0 +1 xt1 +2 xt2 + ut ①首先对上式进行 OLS 回归，求残差 ut 。 ②做如下辅助回归式，
12 10 8 6 4 2 0 X -2 0 50 100 150 200 Y
0 1 1 2 2I = σ 0 1 T T
（第3版教材第90页）
5.1 异方差概念
当这个假定不成立时，Var(u) 不再是一个纯量对角矩阵。
0 11 22 2 2 2 I Var(u) = = σ 0 TT
ˆ ) = E[ (X 'X )-1 X 'Y ] = E[ (X 'X )-1 X ' (X + u) ] E(
= + (X 'X)-1 X ' E(u) =
ˆ ) = E [( ˆ- )( ˆ - )' ] = E [(X 'X )-1 X ' u u' X (X 'X)-1 ] Var(
量顺序排列，略去m个处于中心位置的观测值（通常T 30时，取m T / 4，
余下的T- m个观测值自然分成容量相等，(T- m) / 2，的两个子样本。）
7 6 5 4 3 2 1 X 0 0 50 100 150 200 Y Y
5.4
异方差检验
（第3版教材第93页）
(1) Goldfeld-Quandt 检验