高级计量经济学(第二部分)_第四章——第六章

《高级计量经济学(第二部分)_第四章——第六章》由会员分享，可在线阅读，更多相关《高级计量经济学(第二部分)_第四章——第六章（105页珍藏版）》请在金锄头文库上搜索。

1、高级计量经济学,第四章 异 方 差 性,引子：更为接近真实的结论是什么？,根据四川省2000年21个地市州医疗机构数与人口数资料，分析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。对模型估计的结果如下：（291.5778） (0.644284)t=(-1.931062) (8.340265)式中Y表示卫生医疗机构数（个），X表示人口数量（万人）。,模型显示的结果和问题：,人口数量对应参数的标准误差较小 t 统计量远大于临界值 可决系数和修正的可决系数结果较好 F检验结果明显显著表明该模型的估计效果不错，可以认为人口数量每增加1万人，平均说来医疗机构将增加5.3735个。 然而

2、，这里得出的结论可能是不可靠的，平均说来每增加1万人口可能并不需要增加这样多的医疗机构，所得结论并不符合真实情况。有什么充分的理由说明这一回归结果不可靠呢？更为接近真实的结论又是什么呢？,第一节 异方差性的实质与产生的原因,一、异方差性的实质 （一）同方差性的含义,同方差性：对所有的i（i=1，2，n）有 （4.1） 因为方差是度量被解释变量Y的观测值围绕回归线 （4.2）的分散程度，因此同方差性指的是所有观测值的分散程度相同。,（二）异方差性的含义,设模型为如果对于模型中随机误差项 有： (4.3)则称具有异方差性。进一步，把异方差看成是由于某个解释变量的变化而引起的，则(4.4),图形表示

3、：,（一）模型中省略了某些重要的解释变量 假设正确的计量模型是：假如略去 ，而采用（4.5）当被略去的 与 有呈同方向或反方向变化的趋势时， 随 的有规律变化会体现在（4.5）式的 中。（二）模型的设定误差模型的设定主要包括变量的选择和模型数学形式的确定。模型中略去了重要解释变量常常导致异方差，实际就是模型设定问题。除此而外，模型的函数形式不正确，如把变量间本来为非线性的关系设定为线性，也可能导致异方差。,二、产生异方差的原因,（三）测量误差的变化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。 （四）截面数据中总体各单位的差异通常认

4、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。,第二节 异方差的后果,一、对参数估计统计特性的影响 （一）参数估计的无偏性仍然成立参数估计的无偏性仅依赖于基本假定中的零均值假定（即 ）。所以异方差的存在对无偏性的成立没有影响。 （二）参数估计的方差不再是最小的同方差假定是OLS估计方差最小的前提条件，所以随机误差项是异方差时，将不能再保证最小二乘估计的方差最小。,二、对参数显著性检验的影响 由于异方差的影响，使得无法正确估计参数的标准误差，导致参数估

5、计的t统计量值不能正确确定，所以，如果仍用t统计量值进行参数的显著性检验将失去意义。 三、对预测的影响 尽管参数的OLS估计量仍然无偏，并且基于此的预测也是无偏的，但是由于参数估计量不是有效的，从而对Y的预测也将不是有效的。,第三节 异方差的检验,一、图形法 （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，所以利用分析Y与X的相关图形，可以初略地看到Y的离散程度与X之间是否有相关关系。如果随着x的增加，Y的离散程度为逐渐增大（或减小）的变化趋势，则认为存在递增型（或递减型）的异方差。,用1998年四川省各地市州农村居民家庭消费支出

6、与家庭纯收入的数据，绘制出消费支出对纯收入的散点图，其中用 表示农村家庭消费支出， 表示家庭纯收入。,图形举例:,（二）残差图形分析,设一元线性回归模型为：（4.10）运用OLS法估计,得样本回归模型为： (4.11) 由式(4.10)和式(4.11)得残差 (4.12)绘制出 对 的散点图 ：如果 不随 而变化，则表明 不存在异方差，如果 随 而变化，则表明 存在异方差。,二、Goldfeld-Quanadt检验,作用：检验递增性(或递减性)异方差。基本思想：将样本分为两部分，然后分别对两个 样本进行回归，并计算两个子样的残差平方和所构成的比，以此为统计量来判断是否存在异方差。（一） 检验的

7、前提条件1、要求检验使用的为大样本容量。2、除了同方差假定不成立外，其它假定均满足。,（二）检验的具体做法,1、排序将解释变量的取值按从小到大排序。 2、数据分组将排列在中间的约1/4的观察值删除掉，记为c，再将剩余的分为两个部分，每部分观察值的个数为(n-c)/2。 3、提出假设。即 ：,分别对上述两个部分的观察值求回归模型，由此得到的两个部分的残差平方为 和 。 为前一部分样本回归产生的残差平方和 ， 为后一部分样本回归产生的残差平方和 。它们的自由度均为(n-c)/2-k，k为参数的个数。 在原假设成立的条件下，因 和 自由度均为(n-c)/2-k， 分布，可导出：（4.13）,4、构造

8、F统计量,5、判断给定显著性水平 ，查F分布表得临界值 计算统计量F*,如果F* 则拒绝原假设，接受备择假设，即模型中的随机误差存在异方差。 （三）检验的特点要求大样本异方差的表现既可为递增型，也可为递减型检验结果与选择数据删除的个数c的大小有关只能判断异方差是否存在，在多个解释变量的情况下，对哪一个变量引起异方差的判断存在局限。,三、White检验,（一 ）基本思想：不需要关于异方差的任何先验信息，只需要在大样本的情况下，将OLS估计后的残差平方对常数、解释变量、解释变量的平方及其交叉乘积等所构成一个辅助回归，利用辅助回归建立相应的检验统计量来判断异方差性。 (二)检验的特点 要求变量的取值

9、为大样本 不仅能够检验异方差的存在性，同时在多变量的 情况下，还能判断出是哪一个变量引起的异方差。,（三）检验的基本步骤：,以一个二元线性回归模型为例，设模型为：并且，设异方差与 的一般关系为 其中 为随机误差项。,1、求回归估计式并计算用OLS估计式（4.14），计算残差 并求残差 的平方。 2、求辅助函数 用残差平方 作为异方差 的估计，并建立的辅助回归，即3、计算 利用求回归估计式（4.15）得到辅助回归函数的可决系数 ，n为样本容量。,4、提出假设中至少有一个不为零，5、检验 在零假设成立下，有 渐进服从自由度为5的 分布。给定显著性水平 ,查 分布表得临界 值，如果 ,则拒绝原假设，

10、表明模型中随机误差存在异方差 。,（一）ARCH过程设ARCH过程为 p为ARCH过程的阶数,并且 为随机误差。（二）检验的基本思想在时间序列数据中，可认为存在的异方差性为 ARCH过程，并通过检验这一过程是否成立去判断时间序列是否存在异方差。,四、ARCH检验,1、提出原假设： 中至少有一个不为零2、参数估计并计算对原模型作OLS估计，求出残差 ，并计算残差平方序列 ，以分别作为对 的 估计。3、求辅助回归 （4.17）,（三）ARCH检验的基本步骤,4、检验计算辅助回归的可决系数 ，并且在 成立时，基于大样本 ， 渐进服从 给定显著性水平 查 分布表得临界值 ， 如果 ，则拒绝原假设，表明

11、模型中得随机误差 存在异方差。(四)检验的特点变量的取值为大样本，并且是时间序列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。,五、Glejser检验,（一）检验的基本思想由OLS法得到残差，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。（二）检验的特点不仅能对异方差的存在进行判断，而且还能对异方差随某个解释变量变化的函数形式进行诊断。该检验要求变量的观测值为大样本。,（三）检验的步骤,1、建立模型并求根据样本数据建立回归模型，并求残差序列 2、寻找 与 的最佳函数形式用残差绝对值 对 进行回归，用各种函数形式去试，寻找最佳的函数

12、形式。 3、判断根据选择的函数形式作 对 的回归，用 作为 的替代变量，对所选函数形式回归。用回归所得到的 、t、F等信息判断，若表明参数 显著不为零，即认为存在异方差性。,模型变换法加权最小二乘法模型的对数变换,第四节 异方差的修正,一、模型变换法 以一元线性回归模型为例： （4.17） 经检验 存在异方差，且 ，其中 是常数， 是 的某种函数。变换模型时，用 去除（4.17）式的两端，得 ：记 （4.18）则有：,（4.19）式的随机误差项 的方差为（4.20) 经变换的（4.19）式的随机误差项 已是同方差。常见的设定形式 及对应的 情况,二、加权最小二乘法,以一元线性回归模型为例： （

13、4.17） 经检验 存在异方差且 ， 其中 是常数， 是 的某种函数。 （一）基本思路 区别对待不同的 。对较小的 给予较大的权数，对较大的 给予较小的权数，从而使 更好地反映 对残差平方和的影响。,（二）具体做法1、选取权数并求出加权的残差平方和通常取权数 ,当 越小时， 越大。当 越大时， 越小。将权数与残差平方相乘以后再求和，得到加权的残差平方和：2、求使满足 的根据最小二乘原理，若使得加权残差平方和最小，则： 其中：,三、模型的对数变换,在经济意义成立的情况下，如果对模型：作对数变换，其变量 和 分别用 和 代替，即：对数变换后的模型通常可以降低异方差性的影响： 运用对数变换能使测定变

14、量值的尺度缩小。 经过对数变换后的线性模型，其残差表示相对误差往往比绝对误差有较小的差异。 注意：对变量取对数虽然能够减少异方差对模型的影响，但应注意取对数后变量的经济意义。,第五章 序列相关,引子 T检验和F检验一定就可靠吗?,研究居民储蓄存款Y与居民收入X的关系： 用普通最小二乘法估计其参数，结果为（1.8690） (0.0055)t= (14.9343) (64.2069)F=4122.531 检验结果：回归系数的标准误差非常小，t统计量较大，说明居 民收入X对居民储蓄存款Y的影响非常显著。同时可决系数也非 常高，F统计量=4122.531，也表明模型异常的显著。但此估计结果可能是虚假的，t统计量和F统计量都被虚假 地夸大，因此所得结果是不可信的。为什么?,