《计量经济学（第四版)4.2 异方差性》由会员分享，可在线阅读，更多相关《计量经济学（第四版)4.2 异方差性（38页珍藏版）》请在金锄头文库上搜索。
1、4.2 异方差性Heteroscedasticity一、异方差的类型 二、实际经济问题中的异方差性 三、异方差性的后果 四、异方差性的检验 五、异方差的修正 六、案例 一、异方差的概念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)。1、异方差Homoscedasticity2、异方差的类型 同方差：i2 = 常数，与解释变量观测值Xi无关 ；异方差：i2 = f(Xi)，与解释变量观测值Xi有关 。 异方差一般可归结为三种类型： 单调递增型： i2随X的增大而增大 单调递减型： i2随X的增大而减小 复 杂 型： i
2、2与X的变化呈复杂形式二、实际经济问题中的异方差性例4.2.1：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4.2.2: 以绝对收入假设为理论假设、以截面数样 本建立居民消费函数：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。 样本观测值的观测误差随着解释变量观测值的不
3、同而 不同，往往引起随机项的异方差性，且呈U形。例4.2.3: 以某一行业的企业为样本建立企业生产函 数模型Yi=Ai1 Ki2 Li3 ei 被解释变量：产出量Y，解释变量：资本K、劳动L 、技术A。 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。 对于不同的企业，它们对产出量的影响程度不同，造 成了随机误差项的异方差性。 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。三、异方差性的后果Consequences of Using OLS in the Presence of Heteroskedasticity1、参数估计量非有效 OLS估计量仍
4、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 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。四、异方差性的检验 Detection of Heteroscedasticity1、检验思路 检验方法很多 Graphical Method Formal Metrods Par
5、k Test Glejser Test Spearmans Rank Correlation Test Goldfeld-Quandt Test Breusch-Pagan-Godfrey Test Whites General Heteroscedasticity Test Koenker-Bassett Test 共同的思路： 由于异方差性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估计，得到残差 估计值，用它
6、的平方近似随机误差项的方差。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）。看是否形成一斜率为零的直线。3、帕克(Park)检验与戈里瑟(Gleiser)检验 基本思想:偿试建立方程：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。若在统计上是显著的，表明存在异方差性。 帕克检验常用的函数形式：GleiserPark4、布罗施-帕甘（Breusch-Pagan）检验 检验是否存在 异方差，即检 验随机项的方 差是否与模型 解释变量相关 。用O
7、LS估计的 ei2近似方差， 构造辅助回归 。用辅助回归的可 决系数构造F或 者LM统计量。 5、怀特（White）检验以二元模型为例在同方差假设下辅助回归 可决系数渐近服从辅助回归解释变量 的个数建立辅助 回归模型 说明： 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。 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 系数以及某一参数的t检验值较大。 在多元回归中，由于辅助回归方程中可能有太多解 释变量，从而使自由度减少，有时可去掉交叉项。五、异方差的修正 Correcting Heterosce
8、dasticity1、加权最小二乘法（Weighted Least Squares, WLS） 思路：加权最小二乘法是对原模型加权，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。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，对一多元模型加权后的模型满足同方差性，可用OLS法估计。 一般情况下:Y=X+W是一对称正定矩 阵，存在一可逆矩 阵D使得W=DD这就是原模型Y=X+的加权最小二乘估计量， 是无偏、有效的估计量。 这里权矩阵为D-1，它来自于原模型残差项的 方差-协方差矩阵2W 。 普通最小二乘法是加权最小二乘
9、法中权恒取1时的 一种特殊情况。 加权最小二乘法是广义最小二乘法（generalized least squares, GLS）中权矩阵为对角阵的特殊 情况。 如何得到2W ？ 寻找模型中随机扰动项的方差与解释变量间的适当的 函数形式。 一种具有应用价值的方法 假设的方 差具有指数 函数的形式 用OLS估计 的e代替OLS估计3、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
10、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、例题-农村居民人均消费函数 模型 中国农村居民人均消费支出主要由人均纯收入来决定 。农村人均纯收入除包括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 产收入和转移支付收入等。 为了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，建立如 下双对数模型： 关于异方差的分析 截面数据样本，一般存在异方差。 从经济现象分析，随机项的方差可能与其它收入（X2 ）有关。 采用OLS估计模型，作出残差平方项ei2与lnX2的散点 图，判断可能存在着递增型异方差。 布罗施-帕甘（G-P）检验结论：5%显著性水平下拒绝原模型随机干扰项方差相同 的假设。 怀特检验 结论：拒绝同方差的原假设。 加权最小二乘估计 经试算发现 WLS估计经检验，加权的回归模型已不存在异方差性。 稳健标准误法 参数估计与普通最小二乘法相同； 由于参数的标准差得到了修正，从而使得t 检验值与普 通最小二乘法的结果不同。 稳健标准 误估计OLS估计
