异方差性的概念、类型、后果、检验和修正方法(含案例)
合集下载
第五章 异方差性
于OLS估计得到的残差 ei 的分析
26
异方差性的检验
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：
Var(ui ) E(uቤተ መጻሕፍቲ ባይዱ2) ei2
图示检验法
图示检验法
（一）相关图形分析 方差描述的是随机变量取值的（与其均值的）离散程度。因为被解释
变量Y与随机误差项u有相同的方差，所以分析Y与X的相关图，可以初 略地看到Y的离散程度与X之间是否有相关关系。
ui 的某些分布特征，可通过残差 ei 的图形对异方差进行观察。
对于一元回归模型，绘制出ei2 对Xi的散点图,对于多元回归模型，绘制出ei2 对Yi的散点图或ei2 与认为和异方差有关的X的散点图。
31
图示检验法
（二）残差图形分析
e~i 2
e~i 2
X 同方差
e~i 2
X 递增异方差
e~i 2
X 递减异方差
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
产生异方差性的原因
产生异方差性的原因
（一）模型设定误差
假设正确的模型是：
Yi 1 2 X2i 3 X3i ui
假如略去了重要的解释变量X3 ，而采用 Yi 1 2 X2i vi
排序，再按戈德菲尔德匡特检验方法回归，否则即使存在异方差，也有可能用戈德菲
尔德匡特方法检验不出来。
用 EViews 给截面数据排序的方法：在 Workfile 窗口点击 Procs 键并选 Sort current page
功能，在打开的 Sort Workfile Series 对话窗填写以哪一个序列为标准（基准序列）排
26
异方差性的检验
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：
Var(ui ) E(uቤተ መጻሕፍቲ ባይዱ2) ei2
图示检验法
图示检验法
（一）相关图形分析 方差描述的是随机变量取值的（与其均值的）离散程度。因为被解释
变量Y与随机误差项u有相同的方差，所以分析Y与X的相关图，可以初 略地看到Y的离散程度与X之间是否有相关关系。
ui 的某些分布特征，可通过残差 ei 的图形对异方差进行观察。
对于一元回归模型，绘制出ei2 对Xi的散点图,对于多元回归模型，绘制出ei2 对Yi的散点图或ei2 与认为和异方差有关的X的散点图。
31
图示检验法
（二）残差图形分析
e~i 2
e~i 2
X 同方差
e~i 2
X 递增异方差
e~i 2
X 递减异方差
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
产生异方差性的原因
产生异方差性的原因
（一）模型设定误差
假设正确的模型是：
Yi 1 2 X2i 3 X3i ui
假如略去了重要的解释变量X3 ，而采用 Yi 1 2 X2i vi
排序，再按戈德菲尔德匡特检验方法回归，否则即使存在异方差，也有可能用戈德菲
尔德匡特方法检验不出来。
用 EViews 给截面数据排序的方法：在 Workfile 窗口点击 Procs 键并选 Sort current page
功能，在打开的 Sort Workfile Series 对话窗填写以哪一个序列为标准（基准序列）排
第五章 异方差性
Qt
ALt
K
t
eut
• U为随机误差项，它包含了资本K和劳动力L
以外的因素对产出Q的影响，比如能源、环境、
政策等。由于不同的地区这些因素不同造ui 成了 对产出的影响出现差异，使得模型中的 具有
异方差，并且这种异方差的表现是随资本和劳 动力的增加而有规律变化的。
(二）样本数据的观测误差
• 一方面，样本数据的观测误差常随着时间的 推移而逐步积累，引起随机误差项的方差增 加。另一方面，随着时间的推移，样本观测 技术会随之提高，也可能使得样本的观测误 差减少，引起随机误差项的方差减小。因此， 随着时间的推移，样本数据的观测误差会发 生变化，从而引起随机误差项的变化。
Yt 1 2 X 2i 3 X 3i ui (1)
Y 1 2 X 2 3 X 3
(2)
Yt 1' 2 X 2i ui'
(3)
Y 1' 2 X 2
(4)
由(2)、(4)得:1' 1 3 X3 (5)
由(1)、(3)、(5)得:
Var(ui )
2 i
f
(X
ji )
i 1, 2, , n
则称随机误差项存在异方差.
( 即回归模型中随机误差项的方差不是常数 )
例2：使用截面数据研究储蓄函数
假设 储蓄函数模型Y i 0 1X i ui
式中：Y i第i个家庭的储蓄额，X i第i个家庭的可支配收入，ui 代表除可支配收入以外影响储蓄额的其它因素，如利率、家庭 人口、文化背景等等。这里，同方差假设显然与事实不符。
ui' 1 3 X 3i ui 1'
第六章异方差性
第六章异方差性Chapter 6 异方差性二、异方差的类型同方差：i2 = 常数f(Xi) 异方差：i2 = f(Xi) 四、异方差性的后果总而言之，在异方差情况下，我们建立在高斯马尔科夫定理基础上的用来检验各种假设的统计量都不再是有效的，因而OLS 估计量不再是最佳线性无偏估计量（即不具有BLUE 性质）。
五、异方差性的检验检验思路：辅助回归: 6. 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）：去掉交互项是一种方法，另一种方法也可以用原来模型OLS 回归得到的Y的拟合值作为辅助回归中的解释变量：在进行怀特异方差检验时，建立如下辅助回归：然后在计算LM 统计量例子6-5 异方差检验的说明性例子P160 图示法G-Q 检验F 检验LM 检验怀特检验一旦获得了异方差稳健标准差，就可以构造异方差稳健t统计量。
稳健标准差的优点在于：不需要知道总体模型是否存在异方差以及是何种形式的异方差。
异方差稳健标准差比普通的OLS 标准差更有效。
在大样本下，截面数据分析中我们可以仅仅报告异方差稳健标准差，一般软件都提供。
例子6-6 P164 运用EViews 报告异方差稳健估计。
打开OLS 估计结果，Estimate, options, 在LS&TSLS 中选择Heteroskedasticity consistent coefficient\white 异方差稳健标准差通常大于OLS 标准差。
STATA ：reg y x1 x2, vce(robust) （一）异方差为已知的解释变量的某一函数形式时的加权最小二乘估计模型检验出存在异方差性，可用加权最小二乘法（Weighted Least Squares, WLS ）进行估计。
如果直接用作为权数，则容易验证变换后模型的随机干扰项的方差等于1，也满足同方差性。
此时加权最小二乘法就是对如下加了权的模型采取OLS 法：指数函数，我们需要估计FWLS 估计量的性质例子6-7 ：FWLS 若以指数函数求权函数fx OLS 回归后，log(resid^2) gene fx=exp(…….) 权数1/sqr(fx) 第五节：案例分析P172 1988 年美国18 个工业群体的研发注意：辅助回归仍是检验与解释变量可能的组合的显著性，因此，辅助回归方程中还可引入解释变量的更高次方。
异方差性的概念、类型、后果、检验及其修正方法(含案例).PPT共74页
5、虽然权力是一头固执的熊，可是金 子可以 拉着它 的鼻子 走。— —莎士 比
谢谢
11、越是没有本领的就越加自命不凡。——邓拓 12、越是无能的人，越喜欢挑剔别人的错儿。——爱尔兰 13、知人者智，自知者明。胜人者有力，自胜者强。——老子 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。——歌德 15、最具挑战性的挑战莫过于提升自我。——迈克尔·F·斯特利
异方差性的概念、类型、后果、检验及 其修正方法(含案例).
1、合法而稳定的权力在使用得当时很 少遇到 抵抗。 ——塞 ·约翰 逊 2、权力会使人渐渐失去温厚善良的美 德。— —伯克
3、最大限度地行使权力总是令人反感 ；权力 不易确 定之处 始终存 在着危 险。— —·约翰逊 4、权力会奴化一切。——塔西佗
谢谢
11、越是没有本领的就越加自命不凡。——邓拓 12、越是无能的人，越喜欢挑剔别人的错儿。——爱尔兰 13、知人者智，自知者明。胜人者有力，自胜者强。——老子 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。——歌德 15、最具挑战性的挑战莫过于提升自我。——迈克尔·F·斯特利
异方差性的概念、类型、后果、检验及 其修正方法(含案例).
1、合法而稳定的权力在使用得当时很 少遇到 抵抗。 ——塞 ·约翰 逊 2、权力会使人渐渐失去温厚善良的美 德。— —伯克
3、最大限度地行使权力总是令人反感 ；权力 不易确 定之处 始终存 在着危 险。— —·约翰逊 4、权力会奴化一切。——塔西佗
第五章 异方差性(1)
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
3
如果把异方差看成是由于某个解释变量的变 化而引起的，则
Var(ui ) f ( X i )
2 i 2
异方差一般可归结为三种类型： (1)单调递增型： i 2 随X的增大而增大 (2)单调递减型： i 2 随X的增大而减小 2 (3)复杂型： i 与X的变化呈复杂形式
4
单调递增型异方差例
7
u i*
2、数据的测量误差
样本数据的观测误差有可能随研究范围的扩 大而增加，或随时间的推移逐步积累，也可能随 着观测技术的提高而逐步减小。
3、截面数据中总体各单位的差异 u*
i
通常认为，截面数据较时间序列数据更容易 产生异方差。这是因为同一时点不同对象的差异， 一般说来会大于同一对象不同时间的差异。 不过，在时间序列数据发生较大变化的情况 下，也可能出现比截面数据更严重的异方差。
34
3、检验的特点
（1）变量的样本值为大样本； （2）数据是时间序列数据； （3）只能判断模型中是否存在异方差，而不能诊 断出哪一个变量引起的异方差。
35
五、Glejser检验
1、检验的基本思想
由OLS法得到残差
ei
，取得绝对值，然后将对
某个解释变量回归，根据回归模型的显著性和拟合 优度来判断是否存在异方差。
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
3
如果把异方差看成是由于某个解释变量的变 化而引起的，则
Var(ui ) f ( X i )
2 i 2
异方差一般可归结为三种类型： (1)单调递增型： i 2 随X的增大而增大 (2)单调递减型： i 2 随X的增大而减小 2 (3)复杂型： i 与X的变化呈复杂形式
4
单调递增型异方差例
7
u i*
2、数据的测量误差
样本数据的观测误差有可能随研究范围的扩 大而增加，或随时间的推移逐步积累，也可能随 着观测技术的提高而逐步减小。
3、截面数据中总体各单位的差异 u*
i
通常认为，截面数据较时间序列数据更容易 产生异方差。这是因为同一时点不同对象的差异， 一般说来会大于同一对象不同时间的差异。 不过，在时间序列数据发生较大变化的情况 下，也可能出现比截面数据更严重的异方差。
34
3、检验的特点
（1）变量的样本值为大样本； （2）数据是时间序列数据； （3）只能判断模型中是否存在异方差，而不能诊 断出哪一个变量引起的异方差。
35
五、Glejser检验
1、检验的基本思想
由OLS法得到残差
ei
，取得绝对值，然后将对
某个解释变量回归，根据回归模型的显著性和拟合 优度来判断是否存在异方差。
异方差性的概念、类型、后果、检验及其修正方法含案例
例4.1.1： 在截面资料下研究居民家庭的储蓄行为 Yi=0+1Xi+i
Yi和Xi分别为第i个家庭的储蓄额和可支配收入。
在该模型中，i的同方差假定往往不符合实际情况。对高收 入家庭来说，储蓄的差异较大；低收入家庭的储蓄则更有规律 性（如为某一特定目的而储蓄），差异较小。
因此，i的方差往往随Xi的增加而增加，呈单调递增型变化 。
– 在选项中，EViews提供了包含交叉项的怀特检验“White Heteroskedasticity（cross terms）”和没有交叉项的怀特检 验“White Heteroskedasticity（no cross terms）” 这样两个 选择。
• 软件输出结果：最上方显示两个检验统计量：F统计 量和White统计量nR2；下方则显示以OLS的残差平 方为被解释变量的辅助回归方程的回归结果。
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”。 • 各种检验方法正是在这个共同思路下发展起来的。
路漫漫其修远兮, 吾将上下而求索
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：
路漫漫其修远兮, 吾将上下而求索
2.图示检验法
路漫漫其修远兮, 吾将上下而求索
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；
【书上这句话有点问题】
其中 所以，当模型出现异方差性时，Y预测区间的建立将发生困 难，它的预测功能失效。
路漫漫其修远兮, 吾将上下而求索
三、异方差性的检验（教材P111）
1.检验方法的共同思路 • 既然异方差性就是相对于不同的解释变量观测值，
（注意：其中的2完全可以是1）
Yi和Xi分别为第i个家庭的储蓄额和可支配收入。
在该模型中，i的同方差假定往往不符合实际情况。对高收 入家庭来说，储蓄的差异较大；低收入家庭的储蓄则更有规律 性（如为某一特定目的而储蓄），差异较小。
因此，i的方差往往随Xi的增加而增加，呈单调递增型变化 。
– 在选项中，EViews提供了包含交叉项的怀特检验“White Heteroskedasticity（cross terms）”和没有交叉项的怀特检 验“White Heteroskedasticity（no cross terms）” 这样两个 选择。
• 软件输出结果：最上方显示两个检验统计量：F统计 量和White统计量nR2；下方则显示以OLS的残差平 方为被解释变量的辅助回归方程的回归结果。
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”。 • 各种检验方法正是在这个共同思路下发展起来的。
路漫漫其修远兮, 吾将上下而求索
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：
路漫漫其修远兮, 吾将上下而求索
2.图示检验法
路漫漫其修远兮, 吾将上下而求索
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；
【书上这句话有点问题】
其中 所以，当模型出现异方差性时，Y预测区间的建立将发生困 难，它的预测功能失效。
路漫漫其修远兮, 吾将上下而求索
三、异方差性的检验（教材P111）
1.检验方法的共同思路 • 既然异方差性就是相对于不同的解释变量观测值，
（注意：其中的2完全可以是1）
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）。
第七章 异方差性
ҧ
=1
መ1 =
•
•
•
σ=1( − )ҧ
2
[σ=1 − ҧ ]
White(1980)给出了异方差性的调整方法：
σ=1( − )ҧ
ෝ
ො መ1 =
2
[σ=1 − ҧ ]
其中ො 是y对所有自变量做回归所得到的OLS残差。
=1
加权最小二乘估计
已知异方差形式
• 实践中，很少知道ℎ()的形式。但有一种情况，WLS所需要的
权数会自然来自潜在的计量模型。
• 例：研究工人参加养老金计划参与情况
, = 0 + 1 , + 2 , + 3 + ,
– 其中，i表示第i个企业，e表示第e个工人，共有 个工人。
log 2 = 0 + 1 1 + 2 2 + ⋯ + +
– 其中， = ， = 0
加权最小二乘估计
已知异方差形式
• 假定 = 2 ℎ
– ℎ 是解释变量的某种函数（已知其形式），
并决定着异方差性， ℎ > 0。
• 对于总体中的随机样本，有 2 =
= 2 ℎ = 2 ℎ
– 例：储蓄函数 = 0 + 1 +
2
~ 0, ℎ ֜
~ 0, 2 ֜
ℎ
Τ ℎ
= 0 Τ ℎ + 1 1 Τ ℎ +2 2 Τ ℎ + ⋯ + Τ ℎ + Τ ℎ
•
•
•
•
也就是 ∗ = 0 ∗ + 1 1 ∗ + 2 2 ∗ + ⋯ + ∗ + ∗ ，其中，0 ∗ =0 Τ ℎ
=1
መ1 =
•
•
•
σ=1( − )ҧ
2
[σ=1 − ҧ ]
White(1980)给出了异方差性的调整方法：
σ=1( − )ҧ
ෝ
ො መ1 =
2
[σ=1 − ҧ ]
其中ො 是y对所有自变量做回归所得到的OLS残差。
=1
加权最小二乘估计
已知异方差形式
• 实践中，很少知道ℎ()的形式。但有一种情况，WLS所需要的
权数会自然来自潜在的计量模型。
• 例：研究工人参加养老金计划参与情况
, = 0 + 1 , + 2 , + 3 + ,
– 其中，i表示第i个企业，e表示第e个工人，共有 个工人。
log 2 = 0 + 1 1 + 2 2 + ⋯ + +
– 其中， = ， = 0
加权最小二乘估计
已知异方差形式
• 假定 = 2 ℎ
– ℎ 是解释变量的某种函数（已知其形式），
并决定着异方差性， ℎ > 0。
• 对于总体中的随机样本，有 2 =
= 2 ℎ = 2 ℎ
– 例：储蓄函数 = 0 + 1 +
2
~ 0, ℎ ֜
~ 0, 2 ֜
ℎ
Τ ℎ
= 0 Τ ℎ + 1 1 Τ ℎ +2 2 Τ ℎ + ⋯ + Τ ℎ + Τ ℎ
•
•
•
•
也就是 ∗ = 0 ∗ + 1 1 ∗ + 2 2 ∗ + ⋯ + ∗ + ∗ ，其中，0 ∗ =0 Τ ℎ
4.2 异方差性
• 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。
四、异方差性的检验 Detection of Heteroscedasticity
OLS估计
ˆ exp( ˆ ˆ1 X i1 ˆ2 X i 2 L ˆk X ik ) ˆi2 ˆi2 f i 0
2、异方差稳健标准误法（Heteroscedasticity-Consistent
Variances and Standard Errors）
应用软件中推荐的一种选择。适合样本容量足 够大的情况。
仍然采用OLS，但对OLS估计量的标准差进行 修正。 与不附加选择的OLS估计比较，参数估计量没 有变化，但是参数估计量的方差和标准差变化 明显。 即使存在异方差、仍然采用OLS估计时，变量 的显著性检验有效，预测有效。
六、案例 —中国农村居民人均消费函数模型
~ y (y i ) 0ls e i i
~2 Var ( i ) E ( i2 ) e i
2、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）。
~ 的散点图进行判断 (2)X- e i
2
看是否形成一斜率为零的直线。
~2 e i
wi 1/
f ( X i1 , X i 2 ,L , X ik )
一种具有应用价值的方法
Var(i | X i1,L , X ik ) 2 exp(0 1 X i1 L k X ik )
异方差性的概念、类型、后果、检验及其修正方法(含案例).74页PPT
31、只有永远躺在泥坑里的人，才不会再掉进坑里。——黑格尔 32、希望的灯一旦熄灭，生活刹那间变成了一片黑暗。——普列姆昌德 33、希望是人生的乳母。——科策布 34、形成天才的决定因素应该是勤奋。——郭沫若 35、学到很多东西的诀窍，就是一下子不要学很多。——洛克
异方差性的概念、类型、后 果、检验及其修正方法(含
案例).
26、机遇对于有准备的头脑有特别的 亲和力 中最必要的力 量泉源 之一， 也是成 功的利 器之一 。没有 它，天 才也会 在矛盾 无定的 迷径中 ，徒劳 无功。- -查士 德斐尔 爵士。 29、困难就是机遇。--温斯顿．丘吉 尔。 30、我奋斗，所以我快乐。--格林斯 潘。
异方差性的概念类型后果检验及其修正方法
异方差性的概念类型后果检验及其修正方法异方差性（heteroscedasticity）是指随着自变量的变化，被解释变量的方差不保持恒定，呈现出不同的分散特征。
异方差性可能会导致线性回归模型的参数估计不精确，误差项的标准误差的估计不准确，常见的检验和修正方法包括Breusch-Pagan检验和White检验，同时，还可以采取加权最小二乘法或者转换变量的方法来修正异方差性。
异方差性可以分为条件异方差和非条件异方差两种类型。
条件异方差是指在给定自变量的情况下，被解释变量方差的大小存在差异；非条件异方差则是指被解释变量的方差在整个样本空间内都存在差异。
异方差性的后果是导致参数估计的不准确性和偏误。
当存在异方差性时，OLS（普通最小二乘法）估计的标准误差会低估真实标准误差，从而使得参数显著性以及模型拟合效果可能出现问题。
此外，在存在异方差性的情况下，t检验、F检验等假设检验的结果也会受到影响。
在进行线性回归模型时，常常需要对异方差性进行检验。
一种常用的检验方法是Breusch-Pagan检验，其基本思想是对残差的平方与自变量进行回归，然后通过F检验来判断异方差的存在与否。
另一种常用的检验方法是White检验，它是在一个包含自变量和交互项的扩展模型中对残差的平方与自变量进行回归，通过Wald检验统计量来判断异方差的存在与否。
异方差性可以通过多种修正方法来处理。
其中，一种常用的方法是采用加权最小二乘法（WLS）来估计参数。
WLS的基本思想是将方差不恒定的观测值加权，使得每个观测值的权重与方差的倒数成正比。
另一种常用的方法是通过转换变量，使得原始数据变换成具有恒定方差的形式，例如对数变换、平方根变换等。
下面以一个案例来说明如何检验和修正异方差性。
假设我们研究了城市的房价（被解释变量）与房屋面积和所在地区（自变量）之间的关系。
我们采集了100个样本数据，并构建了线性回归模型进行分析。
1.检验异方差性：使用Breusch-Pagan检验来检验模型的异方差性。
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。
《异方差性》课件
03
异方差性的后果
模型预测的准确性下降
异方差性会导致模型的预测值偏 离真实值，降低预测的准确性。
在异方差性存在的情况下，模型 的预测结果可能变得不可靠，因 为模型没有充分考虑到数据的不
确定性。
异方差性可能导致模型在预测新 数据时表现不佳，因为模型没有 充分学习到数据的内在结构和变
化规律。
模型推断的可靠性降低
详细描述
社会数据在不同群体之间的分布往往存在显著的差异，这种差异反映了不同群体之间的异方差性。这 种异方差性可能与社会经济地位、文化背景等多种因素有关，需要深入分析其产生的原因和影响。
社会数据的异方差性分析
总结词
异方差性对社会政策制定和实施具有重 要影响。
VS
详细描述
社会政策的制定和实施需要考虑不同群体 的差异和特点，而异方差性的存在为社会 政策的制定提供了重要的参考信息。通过 对异方差性的分析和研究，我们可以更好 地了解不同群体的需求和诉求，制定更为 公正和有效的社会政策。
总结词
金融数据的异方差性分析有助于提高投资策略的有效性。
详细描述
通过对金融数据的异方差性进行分析，投资者可以更好地 理解市场的波动规律和风险特征，从而制定更为有效的投 资策略。这种基于异方差性的投资策略能够更好地适应市 场的变化，提高投资的收益和风险控制能力。
社会数据的异方差性分析
总结词
社会数据在不同群体之间存在显著的异方差性。
平方根变换
当数据分布不均，特别是偏度较大时，平方根变换可以改善数 据的正态性。
Box-Cox变换
是一种通用的数据变换方法，通过选择一个适当的λ值，使数据 达到最佳的正态分布状态。
模型选择和调整
混合效应模型
计量经济学原理 第六章异方差性
项具有同方差性。
异方差性修正后的回归分析
加权最小二乘法（WLS）：通过构造一个权重矩阵来修正异方差性，使得修正后的估计量具有更小的 方差和更高的有效性。
异方差稳健标准误（Heteroskedasticity-Robust Standard Errors）：通过调整标准误的计算方式来 修正异方差性对假设检验的影响，这种方法不需要对模型进行任何修改。
相关性。
影响
异方差性主要影响估计量的效 率，而自相关性则会导致估计
量的偏误和不一致性。
检验方法
异方差性通常通过残差图、 White检验等方法进行检验， 而自相关性则可以通过DW检 验、LM检验等方法进行检验
。
异方差性与多重共线性
概念差异
异方差性关注误差项的方差变化 ，而多重共线性则是指解释变量 之间存在高度线性相关关系。
异方差性的定义和类型
异方差性是指误差项的方差随自变量的变化 而变化，包括条件异方差性和无条件异方差 性。
异方差性的检验方法
介绍了图示检验法、Goldfeld-Quandt检验、 White检验等方法，用于判断模型是否存在异方差 性。
异方差性的处理方法
针对异方差性问题，可以采用加权最小二乘 法、广义最小二乘法等方法进行修正，使模 型满足同方差性假设。
04
异方差性在回归分析中的应用
异方差性对回归结果的影响
估计量无偏性
01
在异方差性存在的情况下，普通最小二乘法（OLS）估计量仍
然是无偏的，即估计量的期望值等于真实值。
估计量有效性
02
异方差性会导致OLS估计量的方差增大，从而使得估计量的有
效性降低。
假设检验失效
03
异方差性会使得t检验和F检验失效，因为这些检验都假设误差
异方差性的概念、类型、后果、检验及其修正方法(含案例).
2 0 0 2 0 0
其中
2 SEYˆ Y 1 X0 (XX) 1 X 0
0 0
所以，当模型出现异方差性时，Y预测区间的建立将发生困 难，它的预测功能失效。
三、异方差性的检验（教材P111）
1.检验方法的共同思路 • 既然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”。 • 各种检验方法正是在这个共同思路下发展起来的。
分别为两个子样对应的随机项方差。
H0成立，意味着同方差； H1成立，意味着异方差。
⑤构造统计量
nc 2 ~ e2i ( 2 k 1) nc nc F ~ F( k 1, k 1) nc 2 2 2 ~ e ( k 1 ) 1i 2
⑥检验。给定显著性水平，确定F分布表中相应的临界值
2 E() I
Var( ) 2 , i 1,2, , n i Cov( , ) 0, i j i j
即同方差和无序列相关条件。
2.变量的显著性检验失去意义
在变量的显著性检验中，t统计量
t ˆ
j j j
ˆ ) Se(
~2 来表示随机误差项的方差。 即用e
i
2.图示检验法
（1）用X-Y的散点图进行判断（李子奈P108）
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）。
随机误差项的 方差描述的是 取值的离散程 度。而由于被 解释变量Y与随 机误差项有相 同的方差，所 以利用Y与X之 间的相关图形 也可以粗略地 看出的离散程 度与X之间是否 有相关关系。
其中
2 SEYˆ Y 1 X0 (XX) 1 X 0
0 0
所以，当模型出现异方差性时，Y预测区间的建立将发生困 难，它的预测功能失效。
三、异方差性的检验（教材P111）
1.检验方法的共同思路 • 既然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”。 • 各种检验方法正是在这个共同思路下发展起来的。
分别为两个子样对应的随机项方差。
H0成立，意味着同方差； H1成立，意味着异方差。
⑤构造统计量
nc 2 ~ e2i ( 2 k 1) nc nc F ~ F( k 1, k 1) nc 2 2 2 ~ e ( k 1 ) 1i 2
⑥检验。给定显著性水平，确定F分布表中相应的临界值
2 E() I
Var( ) 2 , i 1,2, , n i Cov( , ) 0, i j i j
即同方差和无序列相关条件。
2.变量的显著性检验失去意义
在变量的显著性检验中，t统计量
t ˆ
j j j
ˆ ) Se(
~2 来表示随机误差项的方差。 即用e
i
2.图示检验法
（1）用X-Y的散点图进行判断（李子奈P108）
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）。
随机误差项的 方差描述的是 取值的离散程 度。而由于被 解释变量Y与随 机误差项有相 同的方差，所 以利用Y与X之 间的相关图形 也可以粗略地 看出的离散程 度与X之间是否 有相关关系。
异方差性及后果
预测稳定性下降
异方差性可能导致预测结果在不同时间或不同样本上 波动较大，影响预测的稳定性。
预测置信度降低
由于异方差性的存在，使得预测结果的置信度降低， 难以确定预测结果的可靠性。
对决策的影响
决策失误风险增加
01
由于异方差性导致模型预测结果的不准确和不稳定，可能导致
决策失误的风险增加。
资源分配不合理
使用异方差性检验方法，如White检验、 Goldfeld-Quandt检验等，对模型进行检验， 如果检验结果显著，则说明存在异方差性。
通过比较不同预测变量对应的残差大小，如果 不同预测变量对应的残差大小差异较大，那么 可能存在异方差性。
02
异方差性的来源
数据来源
异常值
数据中的异常值可能导致异方差 性，因为异常值可能与其他数据 点存在较大差异，从而影响方差 估计。
加权最小二乘法（WLS）
WLS也是一种异方差性稳健的模型，它通过对不同的观测值赋予不同的权重来纠正异 方差性。WLS的优点是可以处理非线性和非正态的异方差性。
05
异方差性的检验
图示检验法
残差图检验
通过绘制实际观测值与预测值的残差， 判断是否存在异方差性。如果残差随 预测值的增加或减少而变化，则可能 存在异方差性。
02
异方差性可能导致决策者在资源分配上出现偏差，使得资源未
能得到有效利用。
战略规划受阻
03
异方差性可能影响战略规划的制定和实施，使得企业或组织的
发展受到限制。
04
异方差性的处理方法
变换数据
1 2
对数变换
对数变换可以减少异方差性，特别是当数据具有 较大的方差时。对数变换的公式是$y = log(x)$。
异方差性可能导致预测结果在不同时间或不同样本上 波动较大，影响预测的稳定性。
预测置信度降低
由于异方差性的存在，使得预测结果的置信度降低， 难以确定预测结果的可靠性。
对决策的影响
决策失误风险增加
01
由于异方差性导致模型预测结果的不准确和不稳定，可能导致
决策失误的风险增加。
资源分配不合理
使用异方差性检验方法，如White检验、 Goldfeld-Quandt检验等，对模型进行检验， 如果检验结果显著，则说明存在异方差性。
通过比较不同预测变量对应的残差大小，如果 不同预测变量对应的残差大小差异较大，那么 可能存在异方差性。
02
异方差性的来源
数据来源
异常值
数据中的异常值可能导致异方差 性，因为异常值可能与其他数据 点存在较大差异，从而影响方差 估计。
加权最小二乘法（WLS）
WLS也是一种异方差性稳健的模型，它通过对不同的观测值赋予不同的权重来纠正异 方差性。WLS的优点是可以处理非线性和非正态的异方差性。
05
异方差性的检验
图示检验法
残差图检验
通过绘制实际观测值与预测值的残差， 判断是否存在异方差性。如果残差随 预测值的增加或减少而变化，则可能 存在异方差性。
02
异方差性可能导致决策者在资源分配上出现偏差，使得资源未
能得到有效利用。
战略规划受阻
03
异方差性可能影响战略规划的制定和实施，使得企业或组织的
发展受到限制。
04
异方差性的处理方法
变换数据
1 2
对数变换
对数变换可以减少异方差性，特别是当数据具有 较大的方差时。对数变换的公式是$y = log(x)$。
计量经济学4-异方差性
注意： 在实际操作中人们通常采用如下的经验 方法： 不对原模型进行异方差性检验，而是直接 选择加权最小二乘法，尤其是采用截面数据 作样本时。 如果确实存在异方差，则被有效地消除了； 如果不存在异方差性，则加权最小二乘法 等价于普通最小二乘法
第四章 异方差性
4.1 异方差性的概念 4.2 实际经济问题中的异方差性 4.3 异方差性的后果
i j i, j 1,2,, n
假设3，解释变量与随机项不相关
Cov ( X ji , i ) 0
j 1,2, k
假设4，随机项满足正态分布
i ~ N ( 0, 2 )
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）。
④在同方差性假定下，构造如下满足F分布的 统计量
nc 2 ~ e2i ( 2 k 1) nc nc F ~ F( k 1, k 1) nc 2 2 2 ~ e ( k 1 ) 1i 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。
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
~ e 似估计量” ，用 i
表示。于是有
2 i
2 ~ Var ( i ) E ( ) ei
~ y (y i ) 0ls 法
异方差性的后果
- 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)。
规律
• 一般经验告诉人们：对于采用截面数据作样本 的计量经济学问题，由于在不同样本点（即不 同空间）上解释变量以外的其他因素的差异较 大，所以往往存在异方差性。
二、异方差性的后果
1.参数估计量非有效
• 当计量经济学模型出现异方差性时，其普通最小二乘法参 数估计量仍然具有无偏性，但不具有有效性。而且，在大样 本情况下，参数估计量仍然不具有渐近有效性。
分布的随机变量围绕其均值0的分散程度不同。
或者，也可以说，对于每一个样本点i，随机误差项的方差i2衡 量的是被解释变量的观测值Yi围绕回归线E(Yi)=0+1Xi1+…+kXik 的分散程度。而所谓异方差性，是指被解释变量观测值的分散
程度随样本点的不同而不同。 【庞皓P130】
概
异方差性示意图
率
密
Yi和Xi分别为第i个家庭的储蓄额和可支配收入。
在该模型中，i的同方差假定往往不符合实际情况。对高收 入家庭来说，储蓄的差异较大；低收入家庭的储蓄则更有规律 性（如为某一特定目的而储蓄），差异较小。
因此，i的方差往往随Xi的增加而增加，呈单调递增型变化。
例4.1.2：以绝对收入假设为理论假设、以分组数据 （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）作样本建立居民消费函数：
• 本章正是要讨论违背了某一项基本假设的问题及其估计方 法。
异方差性 Heteroscedasticity
一、异方差性的概念及类型 二、异方差性的后果 三、异方差性的检验 四、异方差的修正 五、案例
一、异方差性的概念及类型
1.什么是异方差？
对于模型
Yi 0 1X i1 2 X i2 k X ik i
（i=1,2,…,n）
同方差性假设为
Var ( i
)
2
（i=1,2,…,n）
如果出现
Var(i
)
2 i
（i=1,2,…,n）
即对于不同的样本点i ，随机误差项的方差不再是常数，则认 为出现了异方差性。
注意：对于每一个样本点i，随机误差项i都是随机变量，服
从均值为0的正态分布；而方差i2衡量的是随机误差项围绕其 均值0的分散程度。所以，所谓异方差性，是指这些服从正态
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
e~ Y (Yˆ )
ii
i 0ls
Var(i ) E(i2 ) e~i2
三、异方差性的检验（教材P111）
1.检验方法的共同思路 • 既然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”。 • 各种检验方法正是在这个共同思路下发展起来的。
问题在于：用什么来表示随机误差项的方差？
jj
（j=0,1,2,…,k）
包含有随机误差项共同的方差
2
。
如果出现了异方差性，而仍按同方差时的公式计算t
统计量，将使t统计量失真【偏大或偏小，见第三版P110补 充说明】，从而使t检验失效【使某些原本显著的解释变量
可能无法通过显著性检验，或者使某些原本不显著的解释变量
可能通过显著性检验】。
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 。 【书上这句话有点问题】
P(Yˆ0
t
2
SEYˆ0 Y0
Y0
Yˆ0
t
2
SEYˆ0 Y0 ) 1
其中
SEYˆ0 Y0
2
1
X0 (XX)1 X0
所以，当模型出现异方差性时，Y预测区间的建立将发生困 难，它的预测功能失效。
引言
• 在教材P29-32和P64-65，分别对一元和多元线性回归模型
提出了若干基本假设，只有在满足这些基本假设的情况下， 应用普通最小二乘法才能得到无偏的、有效的参数估计量。
• 但是，在实际的计量经济学问题中，完全满足这些基本假 设的情况并不多见。
• 如果违背了某一项基本假设，那么应用普通最小二乘法估 计模型所得参数估计量就可能不具有某些优良特性，这就需 要发展新的方法估计模型。
• 异方差一般可以归结为三种类型：
（1）单调递增型： i2=f(Xi)随Xi的增大而增大； （2）单调递减型： i2=f(Xi )随Xi的增大而减小； （3）复杂型： i2=f(Xi )随Xi的变化呈复杂形式。
3.实际经济问题中的异方差性
例4.1.1： 在截面资料下研究居民家庭的储蓄行为 Yi=0+1Xi+i
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
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。
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，为复杂型的一种。
Ci= 0+1Yi+i
一般情况下：居民收入服从正态分布，处于中等收入组中 的人数最多，处于两端收入组中的人数最少。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增大而先减后增。
如果样本观测值的观测误差构成随机误差项的主要部分，那 么对于不同的样本点，随机误差项的方差随着解释变量观测值 的增大而先减后增（U形），出现了异方差性。
因为在有效性证明（见教材P70-71）中利用了
E
(
)
2
I
Var( ) 2 , i 1,2, , n
iHale Waihona Puke Cov( , ) 0, i j
ij
即同方差和无序列相关条件。
2.变量的显著性检验失去意义
在变量的显著性检验中，t统计量
ˆ ˆ
t
j
Se(ˆ
j
)
j
j j
2c
jj
ˆ
jj
2 ( X X )1
度
Y
X
2.异方差的类型
• 同方差性假定是指，每个i围绕其0均值的方差
并不随解释变量Xi的变化而变化，不论解释变量 的观测值是大还是小，每个i的方差保持相同，
即
i2 =常数 （i=1,2,…,n）
• 在异方差的情况下，i2已不是常数，它随Xi的
变化而变化，即
i2 =f(Xi) （i=1,2,…,n）