计量经济学-异方差性
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
业务推广E部conomics 20
8
8
一个稳健LM统计量
• 运行受约束模型的普通最小二乘法估计,并保存
残差~u
• 将每一个被排除的变量对所有被包括的变量进 行回归 (q 个不同的回归)并保存每组的残
差~r1, ~r2, …,~rq • 将一个被定义为1的变量对r~1~u,~r2~u, …,~rq~u进
普通最小二乘法来估计出û
业务推广E部conomics 20
20
20
可行的广义最小二乘估计量(续)
• 现在, 我们获得h的一个估计值 ĥ = exp(ĝ), 并
且它的倒数就是我们的权重 • 于是, 我们该怎样做?
• 运行原始的普通最小二乘模型, 保存残差 û, 对
他们求平方并取对数
• 将ln(û2)对所有的自变量进行回归 并且得到拟 合值ĝ
当si2 ≠ s 2时, Var(b^1)的一个有效估计量是
—∑—(xSi—S-Tx—_)x22u^—i2 ,其中u^ i是普通最小二乘残差
业务推广E部conomics 20
5
5
具有异方差性的方差 (续)
对于一般多元回归模型来说，具有异方差性的
Var(b^ j)的一个有效估计量是Var^(b^j)= ——∑r—Si^j2Su—R^i2j2—
• 虽然我们无法观测到误差, 但是我们能通过从普通最 小二乘回归中得到的残差对它进行估计
• 在我们将该残差平方对所有的 x进行回归后, 我们能 用R2来构造一个F或LM 检验
• 构造的F统计量只是对回归的整体显著性进行报告的 F统量,F = [R2/k]/[(1 – R2)/(n – k – 1)], 它服从 Fk, n – k - 1分布
• 这个操作可能是繁琐的
庞浩 计量经济学5第五章 异方差性
同方差
递增型异方差
递减型异方差
复杂型异方差
18
2.借助X-e2散点图进行判断 观察散点的纵坐标是否随解释变量Xi的变化而 变化。
~2 e2e i ei e2 ~2
X 同方差 递增异方差
X
e2
~2 e i
~2 e 2 e i
X 递减异方差 复杂型异方差
X
19
二、戈德菲尔德—夸特 （Goldfeld-Quanadt）检验
3
说明1
矩阵表示： Y X u 随机扰动项向量 其方差—协 u1 u 方差矩阵不 2 u 再是： un n1 而是：
2 2 Var Cov ( ui ) 2 nn
ei X i v i
ei
1 vi Xi
ei X i v i 1 ei vi Xi
③利用上述回归的R2、t统计量、F统计量等判断，R2 好、t统计量和F统计量显著，即可判定存在异方差。 28
说明： 1.也可以用 e i 与可能产生异方差的多个解释变 量进行回归模拟； 2.戈里瑟检验的优点在于不仅检验了异方差是否 存在，同时也给出了异方差存在时的具体表现 形式，为克服异方差提供了方便。 3.试验模型选得不好，也可能导致检验不出是否 存在异方差性。
12 2 2 Var Cov ( ui ) 2 n nn
4
说明2
随机扰动项 ui具有异方差性，可理解释为被解释变量 的条件分散程度随解释变量的变化而变化，如下图所 示：var( ui ) i2 2 f ( X i)(i 1,2,, n)
10
第二节 异方差性的后果
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--异方差性讲解
图1：我国税收和GDP
图2：1998年我国制造工业和利润
X-GDP Y-税收
X－销售收入 Y－销售利润
两个散点图有共同的特征，随着自变量增加，因变量也 增加，但是图2中，当X比较小时，数据点相对集中，随 着X增大，数据点变得相对分散。而图1中数据分布却没 有出现这一特征。
异方差的性质
➢经典线形回归模型的一个重要假定是同方差性：
PRF的干扰项 u i 是同方差的（homoscedastic）
即： E（ui2） 2
i 1, 2, , n (3.3.1)
➢异方差性是指，ui 的条件方差（= Yi 的条件方差）
随着X的变化而变化，用符号表示为：
E (ui2
)
2 i
(3.3.2)
Var(Yi ) Var(ui )
异方差产生的主要原因
——这就是GLS方法，得到的是GLS估计量
•模型函数形式存在设定误差 •模型中遗漏了一些重要的解释变量 •随机因素本身的影响
异方差较之 同方差更为
常见
7
异方差的具体理由
➢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。
➢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， i2与收入俱增
此时如果仍采用
计算斜率参数的方差，将会
产生估计偏误，偏误的大小取决与因子值的大小。
17
3.t检验的可靠性降低
由于异方差的存在，无法正确估计参数的方差和标 志误差，因此也影响到t检验的效果
4.模型的预测误差增大
模型的预测区间和随机误差项的方差有着紧密联 系，随着随机误差项方差的增大，模型的预测区 间也随之增大，模型的预测误差也会相应增加。
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。
计量经济学的异方差性
一、 异方差性1. 中国农村居民人均消费支出主要由人均纯收入来决定。
农村人均纯收入除从事农业经营的收入外，还包括从事其他产业的经营性收入以及工资性收入、财产收入和转移支出收入等。
为了考察从事农业经营的收入和其他收入对中国农村居民消费支出增长的影响，可使用如下双对数模型：01122ln ln ln Y X X u βββ=+++其中Y 表示农村家庭人均消费支出，1X 表示从事农业经营的收入，2X 表示其他收入。
表4.1.1列出了中国2001年各地区农村居民家庭人均纯收入及消费支出的相关数据。
表4.1.1中国2001年各地区农村居民家庭人均纯收入与消费支出建立工作文件输入数据，输入命令：data y x1 x2 取对数：genr ly=log(y) 回车 Genr lx1=log(x1)回车Genr lx2=log(x2)回车估计参数：lsly c lx1 lx2 回车，得结果如下：用OLS 法进行估计，结果如下：对应的表达式为：12ln 1.6030.325ln 0.507ln Y X X =++(1.86) (3.14) (10.43)20.7965,0.78,0.8117R R RSS ===不同地区农村人均消费支出的差别主要来源于非农经营收入及其他收入的差别，因此，如果存在异方差性，则可能是2X 引起的。
对异方差性的检验：做OLS 回归得到的残差平方项与ln 2X 的散点图：从散点图可以看出，两者存在异方差性。
下面进行统计检验。
采用White异方差检验：EViews提供了包含交叉项和没有交叉项两个选择。
本例选择没有包含交叉项。
得到如下结果：所以辅助回归结果为：2221122ˆ 3.9820.579ln 0.042(ln )0.563ln 0.04(ln )eX X X X =-+-+ (1.38) (-0.63) (0.63) (-2.77) (2.9)其他收入2X 与2X 的平方项的参数的t 检验是显著的，且White 统计量为13.36，在5%的显著性水平下，拒绝同方差性这一原假设，方程确实存在异方差性。
第二章六计量经济学-异方差性
i=1,2,…,n
(Park)
选择关于变量 X j
的不同的函数形 式（如
f
(X
ji )
X
2 ji
或
f
(X
ji
)
2
X
e vi
ji
），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。
如 Park 检验法中，对一般的方程形式：
f
(X
ji
)
看是否形成一斜率为零的直线
e~i 2
e~i 2
X 同方差
X 递增异方差
e~i 2
e~i 2
X 递减异方差
X 复杂型异方差
3、解析法
（1）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：
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之比构造统计量进行 异方差检验。
xi xi2
E(i
)
1
(2.4.2)
（2）不具备最小方差性
由于
var(ˆ1 ) E(ˆ1 1)2 E(
xi xi2
i
)
2
E( (
xi i )2
xi2 ) 2
xi2
E
(
2 i
)
( xi2 )2
（注：交叉项 i, j (xi i )(x j j ) 的期望为零） i j
§2.6 异方差性 Heteroskedasticity
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。
【总结】计量经济学异方差性、多重共线性、自相关的联系与区别知识总结
《计量经济学》中多重共线性、异方差性、自相关三者之间的联系与区别首先我们先来回顾一下经典线性回归模型的基本假设：1、为什么会出现异方差性我们可以从一下两方面来分析：第一，因为随即误差项包括了测量误差和模型中被省略的一些因素对因变量的影响；第二，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，异方差性多出现在截面样本之中。
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。
含义及影响:y=X β+ε，var(εi )var(εj ), ij ，E(ε)=0，或者记为212200['|]0000n E X σεεσσ⎛⎫⎪=Ω= ⎪ ⎪⎝⎭即违背假设3。
用OLS 估计，所得b 是无偏的，但不是有效的。
111(')'(')'()(')'b X X X y X X X X X X X βεβε---==+=+由于E(ε)=0，所以有E(b )=β。
即满足无偏性。
但是，b 的方差为1111121var(|)[()()'][(')''(')|] (')'['|](') (')'()(')b X E b b E X X X X X X X X X X E X X X X X X X X X X ββεεεεσ------=--===Ω其中212200['|]0000n E X σεεσσ⎛⎫⎪=Ω= ⎪ ⎪⎝⎭2、自相关产生的原因：（1）、经济数据的固有的惯性带来的相关 （2）、模型设定误差带来的相关 （3）、数据的加工带来的相关 含义及影响:cov(,)0,i j i j εε≠≠影响：和异方差一样，系数的ls 估计是无偏的，但不是有效的。
D －W 检验（Durbin －Watson ）221212222121212222112112122211221122121()()()2()()222222(1)n i i i n i i n n n i i i i i i i n i i n n n i i i i i i i n n i i n i i i nn n i i i i nn i ie e d e e e e e e e e e e e e e e e e e e e e e e ρρ=-===-=-====-==-===∑-=∑∑+∑-∑=∑∑+∑-∑--=∑∑+=--∑∑+=--∑≈-其中2121n i i i n i ie e e ρ=-=∑=∑是样本一阶自相关函数。
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。
计量经济学课件10章
异方差性的来源
3、数据采集技术的改进 4、异常观测值的出现 5、模型设定的偏误,如可能忽略了一个重要的 解释变量。（如在商品的需求函数中，没有把 有关互补或互替的商品价格包括进来）
14
10.1.2 非纯异方差性
由于模型的错误设定（如遗漏变量）所导致的异方差。
假定真实的方程为： Yt 0 1 X 1t 2 X 2t t ,
12
异方差性的来源
1、按照边错边改学习模型（error learning models)，人们在学习的过程中，其行为误差随时间 而减少）例如，在给定的一段时间里，打字出错个数 与用于打字练习小时数的关系。 随着打字练习小时数的增加，不仅平均打错字 数，而且打错个数的方差都有所下降。 2、随着收入的增长，人们有更多的备用收入 (discretionary income)，从而如何支配他们的收入 有更大的选择范围。类比利润较丰厚的公司在分红政 策方面比利润微薄的公司有更大的变化。
注意：修正异方差（HC）的标准误是有偏的，但对于存在异方差的大样本， HC的SE（ ）通常比OLS估计的SE（ ）要大，因此降低了 t值，也降低了估计系数显著异于0的概率。 EVIEWS软件能够实现此功能。
修正异方差（HC）的标准误通常比未经修正的标准误更精确，结பைடு நூலகம்更可靠。
3
异方差的图形表示
密 度 密 度 储 蓄 Y 储 蓄 Y
1 2 X i
1 2 X i
(A) 收入X 收入X (B)
4
（A)与(B)的比较：
相同点：收入增加，储蓄平均来说也增加。 不同点（A)储蓄的方差在所有的收入水平上保持不变。 （B)储蓄的方差随收入的增加而增加。 解释：当收入较少时,同样收入的人选择将其剩余收入基本用 于储蓄;随收入增长，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, 对于有同样较高剩余收入 的人,有些人选择将大部分进行储蓄;有的人只是储蓄一小部 分,其它的进行消费和投资。这样储蓄的方差不再是一常数, 而随着收入的增加而变化.
- 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)。
计量经济学——异方差性5.3解：(1)构建以家庭消费支出（Y）为被解释变量，家庭人均纯收入（X）为解释变量的线性回归模型：Y i=β1+β2X i+u i建立Eviews文件，生成家庭消费支出（Y）、家庭人均纯收入（X）等数据，利用OLS方法估计模型参数，得到的回归结果如下图所示：Dependent Variable: YMethod: Least SquaresDate: 11/05/14 Time: 00:56Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 179.1916 221.5775 0.808709 0.4253X 0.719500 0.045700 15.74411 0.0000R-squared 0.895260 Mean dependent var 3376.309Adjusted R-squared 0.891649 S.D. dependent var 1499.612S.E. of regression 493.6240 Akaike info criterion 15.30377Sum squared resid 7066274. Schwarz criterion 15.39628Log likelihood -235.2084 Hannan-Quinn criter. 15.33392F-statistic 247.8769 Durbin-Watson stat 1.461684Prob(F-statistic) 0.000000即参数估计与检验的结果为Y i=179.1916+0.719500X i（221.5775）(0.045700)t=(0.808709) (15.74411)R2=0.895260 F=247.8769 n=31（2）利用White方法检验异方差，则White检验结果见下表：Heteroskedasticity Test: WhiteF-statistic 7.194463 Prob. F(2,28) 0.0030Obs*R-squared 10.52295 Prob. Chi-Square(2) 0.0052Scaled explained SS 30.08105 Prob. Chi-Square(2) 0.0000Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 11/05/14 Time: 01:11Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 69872.27 641389.0 0.108939 0.9140 X -72.02221 248.7240 -0.289567 0.7743 X^20.0203370.0206270.9859720.3326R-squared 0.339450 Mean dependent var 227944.3 Adjusted R-squared 0.292268 S.D. dependent var 592250.3 S.E. of regression 498241.3 Akaike info criterion 29.16732 Sum squared resid 6.95E+12 Schwarz criterion 29.30610 Log likelihood -449.0935 Hannan-Quinn criter. 29.21256 F-statistic 7.194463 Durbin-Watson stat 2.390409 Prob(F-statistic)0.003011从检验的结果可以看出，n R 2=10.52295，对于在α=0.05的情况下，可以得到临界值χ0.052（2）=5.9915，此时 n R 2=10.52295>χ0.052（2）=5.9915，所以拒绝原假设，不拒绝备择假设，表明模型存在异方差。
该模型存在异方差的理由是，从数据可以看出，一是截面数据；二是各省市经济发展不平衡，使得一些省市农村居民收入高出其它省市很多，如上海市、北京市、天津市和浙江省等。
而有的省就很低，如甘肃省、贵州省、云南省和陕西省等。
（3）用加权最小二乘法修正异方差，取===123211w ,w x x ，经过试算，认为用权数3w 的效果最好。
结果如下：Dependent Variable: Y Method: Least Squares Date: 11/05/14 Time: 01:38 Sample: 1 31Included observations: 31 Weighting series: W3Weight type: Inverse standard deviation (EViews default scaling)Variable Coefficient Std. Error t-Statistic Prob. C 787.2847 173.6964 4.532534 0.0001 X 0.5614720.055731 10.07468 0.0000Weighted StatisticsR-squared 0.777776 Mean dependent var 2743.600 Adjusted R-squared 0.770114 S.D. dependent var 1165.059 S.E. of regression 275.2095 Akaike info criterion 14.13528 Sum squared resid 2196468. Schwarz criterion 14.22780 Log likelihood -217.0969 Hannan-Quinn criter. 14.16544 F-statistic 101.4992 Durbin-Watson stat 2.482750 Prob(F-statistic)0.000000 Weighted mean dep. 2485.097Unweighted StatisticsR-squared 0.848003 Mean dependent var 3376.309Adjusted R-squared 0.842762 S.D. dependent var 1499.612S.E. of regression 594.6448 Sum squared resid 10254472Durbin-Watson stat 1.741955修正后的结果为Y i=787.2847+0.561472X i（173.6964）(0.055731)t=(4.532534) (10.07468)R2=0.777776 F=101.4992 n=315.5解：（1）构建以人均年交通通信消费支出（Y）为被解释变量，人均年可支配收入（X）为解释变量的线性回归模型：Y i=β1+β2X i+u i建立Eviews文件，生成人均年交通通信消费支出（Y）、人均年可支配收入（X）等数据，利用OLS方法估计模型参数，得到的回归结果如下图所示：Dependent Variable: YMethod: Least SquaresDate: 11/05/14 Time: 01:56Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -562.9210 134.8840 -4.173372 0.0002X 0.148116 0.012730 11.63514 0.0000R-squared 0.823576 Mean dependent var 947.2394Adjusted R-squared 0.817492 S.D. dependent var 478.4074S.E. of regression 204.3801 Akaike info criterion 13.54018Sum squared resid 1211365. Schwarz criterion 13.63270Log likelihood -207.8728 Hannan-Quinn criter. 13.57034F-statistic 135.3766 Durbin-Watson stat 1.890311Prob(F-statistic) 0.000000即参数估计与检验的结果为Y i=-562.9210+0.148116X i（134.8840）(0.012730)t=(-4.173372) (11.63514)R2=0.823576 F=135.3766 n=31从估计结果看，各项检验指标均显著，但从经济意义看，各省市经济发展不平衡，使得一些省市人均年可支配收入高出其它省市很多，如上海市、北京市、江苏省和浙江省等。
而有的省就很低，如甘肃省、青海省等，可能存在异方差。
（2）①利用White方法检验异方差，则White检验结果见下表：Heteroskedasticity Test: WhiteF-statistic 4.599379 Prob. F(2,28) 0.0187Obs*R-squared 7.665887 Prob. Chi-Square(2) 0.0216Scaled explained SS 19.77379 Prob. Chi-Square(2) 0.0001Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 11/05/14 Time: 02:07Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -667480.3 297213.6 -2.245793 0.0328X 113.1286 50.90667 2.222274 0.0345X^2 -0.003980 0.001999 -1.991032 0.0563R-squared 0.247287 Mean dependent var 39076.30Adjusted R-squared 0.193521 S.D. dependent var 96444.21S.E. of regression 86610.90 Akaike info criterion 25.66800Sum squared resid 2.10E+11 Schwarz criterion 25.80678Log likelihood -394.8541 Hannan-Quinn criter. 25.71324F-statistic 4.599379 Durbin-Watson stat 2.187659Prob(F-statistic) 0.0187422（2）从检验的结果可以看出，n R2=7.665887，对于在α=0.05的情况下，可以得到临界值χ0.052（2）=5.9915，所以拒绝原假设，不拒绝备择假设，=5.9915，此时n R2=7.665887>χ0.05表明模型存在异方差。