南开大学计量课件多元线性回归异方差问题.ppt

《南开大学计量课件多元线性回归异方差问题.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、1第九章多元线性回归的异方差问题一、异方差及其影响二、异方差的发现和判断三、异方差的解决方法2一、异方差及其影响1、异方差的定义：对于多元线性回归模型，如果随机扰动项的方差并非是不变的常数，则称为存在异方差（heteroscedasticity)。异方差可以表示为。或3两变量线性回归模型的异方差41、异方差的定义异方差主要出现在截面数据分析中，例如大公司的利润变化幅度要比小公司的利润变化幅度大，即大公司利润的方差比小公司利润的方差大。这取决于公司的规模、产业特点和研究开发支出多少等因素。又如高收入家庭通常比低收入家庭对某些商品的支出有更大的方差。例9.1：人均

2、家庭支出（cum)和可支配收入（in)的关系模型给出中国1998年各地区城镇居民平均每人全年家庭交通及通讯支出（cum)和可支配收入（in)的数据，估计两者之间的关系模型52、异方差的影响1、OLS估计量不再是BLUE，其是无偏和一致的，但并非有效的，即不再具有方差最小性。2、检验假设的统计量不再成立，建立在t分布和F分布之上的置信区间和假设检验不可靠。6二、异方差的发现和判断（一）残差的图形检验（二）Breusch-Pagan检验（三）戈里瑟检验（Glejsertest）（四）怀特检验（Whitetest）7（一）残差的图形检验这是一种最直观的方法，它以某一

3、变量（通常取因变量）作为横坐标，以随机项的估计量e或e2为纵坐标，根据作出的散点图直观地判断是否存在相关性。如果存在相关性，则存在异方差。通常的方法是先产生残差序列，再把它和因变量一起绘制散点图。例9.2：利用该方法绘制上一章关于美国机动车消费量的模型中QMG与残差的散点图。8（二）Breusch-Pagan检验假设回归模型如下：检验假定线性函数9步骤：1、作普通最小二乘回归（1），不考虑异方差问题。2、从原始回归方程中得残差ui，并求其平方。3、利用原始模型中的解释变量作形如上式(2)的回归，记下这个回归的R平方。4、检验零假设是对方程（2）进行F检验，或计

4、算LM统计量进行检验。10（三）戈里瑟检验1、通常拟合和之间的回归模型：根据图形中的分布选择2、再检验零假设＝0（不存在异方差）。如果零假设被拒绝，则表明可能存在异方差。11（四）怀特检验假设有如下模型：（3）基本步骤：1、首先用OLS方法估计回归方程（3）式。2、然后作辅助回归：（4）123、求辅助回归方程的R2值。在零假设：不存在异方差下，White证明了，从方程（4）中获得R2值与样本容量（n）的积服从卡方分布自由度等于（4）式中的解释变量的个数。4、根据样本计算统计量n*R2值，并与所选取的显著性水平进行比较，看是否接受零假设（零假设为残差不存在异方差

5、性）。5、Eviews计算：View-ResidualTests-WhiteHeteroskedasticity.应用：对例9.1进行White异方差检验（四）怀特检验13等价的White检验（1）用OLS估计模型（3），得到残差和拟合值，计算它们的平方；（2）做回归记下这个回归的R平方（3）构造F或LM统计量并计算p值（前者为F2，n－3分布，后者用分布。14（五）实例例9.1：人均家庭支出（cum)和可支配收入（in)的关系模型给出中国1998年各地区城镇居民平均每人全年家庭交通及通讯支出（cum)和可支配收入（in)的数据，估计两者之间的关系模型发现：采

6、用水平模型存在异方差性，但采用对数模型不存在异方差性。15三、异方差的解决方法加权最小二乘法模型的重新设定16（一）加权最小二乘法基本思路：赋予残差的每个观测值不同权数，从而使模型的随机误差项具有同方差性。17（一）加权最小二乘法方差已知的情形假设已知随机误差项的方差为var(ui)=i2,设权数wi与异方差的变异趋势相反,wi=1/i,,将原模型两端同乘以wi。wi使异方差经受了“压缩”和“扩张”变为同方差。18（一）加权最小二乘法方差已知的情形对于一元线性回归模型y=b0+b1x+u，加权最小化残差平方和为获得的估计量就是加权最小二乘估计量。对于多元线

7、性回归模型y=Xβ＋u，令权数序列wi=1/i，W为N×N对角矩阵，对角线上为wi，其他元素为0。则变换后的模型为19（一）加权最小二乘法方差未知的情形（1）误差方差与xi成比例Var(ui)=σ2*xi其中σ2为常数，这时可以令权序列（2）误差方差与xi2成比例Var(ui)=σ2*xi2其中σ2为常数，这时可以令权序列20（一）加权最小二乘法方差未知的情形例9.3：住房支出模型给出由四组家庭住房支出和年收入组成的截面数据，建立住房支出模型，并检验和修正异方差。（3）其他的与自变量xi的加权形式f(xi)21（一）加权最小二乘法方差未知的情形22（一）加权

8、最小二乘法（4）用随机误差项的近似估计