《计量中的异方差性》PPT课件

《《计量中的异方差性》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第4章异方差性4.1异方差性的含义与产生的原因4.1.1异方差性的定义设线性回归模型为:图4.1.1异方差性在散布图上的反映4.1.2产生异方差性的原因在计量经济研究中，异方差性的产生原因主要有1．模型中遗漏了某些解释变量2．模型函数形式的设定误差3．样本数据的测量误差4．随机因素的影响4.2异方差性的影响4.2.1对模型参数估计值无偏性的影响由此可见，随机误差项存在异方差性，并不影响模型参数最小二乘估计值的无偏性。4.2.2对模型参数估计值有效性的影响由此可见，当线性回归模型的随机误差项存在异方差时，参数的最小二乘估计量不是一个有效的估计量。4.2.3对模型参数估计值显著性检验的影响

2、4.2.4对模型估计式应用的影响4.3异方差性的检验4.3.1图示检验法1．相关图分析例4.3.1我国制造工业利润函数。表4.3.1列出了1998年我国主要制造工业销售收入与销售利润的统计资料(单位：亿元)。现以此数据资料为例，介绍检验异方差性的一些常用方法。表4.3.1我国制造工业1998年销售利润与销售收入情况行业名称销售利润y销售收入x行业名称销售利润y销售收入x服装制品业157.701779.10黑色金属冶炼367.473868.28皮革羽绒制品81.701081.77有色金属冶炼144.291535.16木材加工业35.67443.74金属制品业201.421948.12家具

3、制造业31.06226.78普通机械制造354.692351.68造纸及纸制品134.401124.94专用设备制造238.161714.73印刷业90.12499.83交通运精设备511.944011.53文教体育用品54.40504.44电子机械制造409.833286.15石油加工业194.452363.80电子通讯设备508.154499.19化学原料制品502.614195.22仪器仪表设备72.46663.68图4.3.2我国制造业销售利润与销售收入的相关图2．残差分布图分析先用最小二乘法估计模型，估计结果为:建立回归模型之后，在方程窗口中点击Resids按钮可以得到模型的

4、残差分布图，如果残差分布的离散程度有明显扩大的趋势，则表明存在着异方差性。注意观察之前需要先将数据关于解释变量排序，命令格式为SORTx图4.3.3残差分布图4.3.2戈德菲尔德——匡特检验检验的具体做法是：第一，将观察值按解释变量的大小顺序排列，被解释变量与解释变量保持原来对应关系。第二，将排列在中间的约1／4的观察值删除掉，除去的观察值个数记为c，则余下的观察值分为两个部分，每部分的观察值个数为(n-c)/2。SORTx将样本数据关于x排序SMPL110确定子样本1（在命令窗口输入）LSycx求出RSS1=2579.587SMPL1928确定子样本2LSycx求出RSS2=6376

5、9.67计算出F=63769.67／2579.587=24.72从检验过程可以看出，G-Q检验适用于检验样本容量较大、异方差性呈递增或递减的情况，而且检验结果与数据剔除个数c的选取有关。4.3.3怀特检验（H.Whitetest）不访设回归模型为二元线性回归模型：表明回归模型中参数至少有一个显著地不为零，即随机误差项存在异方差性。反之，则认为不存在异方差性。利用EViews软件可以直接进行White检验。例如对例4.1.1我国制造工业利润函数，White检验的具体步骤为(1)建立回归模型：LSycx(2)检验异方差性：在方程窗口中依次点击View＼ResidualTest＼WhiteH

6、eteroskedasticity此时可以选择在辅助回归模型中是否包含交叉乘积项(Crassterms)。输出结果中obs*R-squared即White检验统计量，由其双侧概率可以判断是否拒绝无异方差性的原假设。表4.3.2怀特检验结果4.3.4戈里瑟检验(Glejsertest)和帕克检验（Parktest）其基本原理都是通过建立残差序列对解释变量的(辅助)回归模型，判断随机误差项的方差与解释变量之间是否存在着较强的相关关系。戈里瑟提出如下的假定函数形式：帕克提出如下的假定函数形式：3．检验每个回归方程参数的显著性。如果其参数显著地不为零，则存在异方差性，相反，则认为随机误差项满足

7、同方差假定。Glejser检验的特点是：不仅能检验异方差性，而且通过“实验”可以探测异方差的具体形式，这有助于进一步研究如何消除异方差性的影响。异方差。利用EViews软件进行Glejser检验的步骤为LSycxGENRlnx=log(x)LSlnE2clnx运行结果如下：表4.3.3回归结果上述回归方程表明利润函数存在异方差性。以上怀特检验、戈里瑟检验和帕克检验方法统称为残差回归检验法。4.3.5ARCH检验（自回归条件异方差检验）如果在建模