异方差性的后果课件.ppt

异方差性及序列相关性2016年月年月一、异方差的一、异方差的定义定义二、异方差的类型二、异方差的类型三、实际经济问题中的异方差性三、实际经济问题中的异方差性四、异方差性的后果四、异方差性的后果五、异方差性的检验五、异方差性的检验六、异方差的修正六、异方差的修正七、案例七、案例目录目录第一部分：异方差性 一、异方差的一、异方差的定义定义设线性回归模型为:异方差性主要发生在横截面数据的情况，时间序列问题中一般不会发生，除非时间跨度过大 一、异方差的一、异方差的定义定义产生异方差的原因、模型中遗漏了某些解释变量、模型函数形式的设定误差、样本数据的测量误差、随机因素的影响 二、异方差的类型二、异方差的类型 同方差同方差性假定性假定：i2 = 常数 f(Xi) 异方差异方差时：时： i2 = f(Xi)异方差一般可归结为异方差一般可归结为三种类型三种类型： (1)单调递增型： i2随X的增大而增大 (2)单调递减型： i2随X的增大而减小 (3)复 杂 型： i2与X的变化呈复杂形式 二、异方差的类型二、异方差的类型 三、实际经济问题中的异方差性三、实际经济问题中的异方差性 例例1.11.1：截面资料下研究居民家庭的储蓄行为 Yi=0+1Xi+iYi: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的方差呈的方差呈现单调递增型增型变化化 例例1.2，以绝对收入假设为理论假设、以截面数据为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 所以所以样本观测值的观测误差观测误差随着解释变量观测值的不同而不同，往往引起异方差性 三、实际经济问题中的异方差性三、实际经济问题中的异方差性 例例1.3，以某一行业的企业为样本建立企业生产函数模型 Yi=Ai1 Ki2 Li3ei 被解释变量：产出量Y 解释变量：资本K、劳动L、技术A， 那么：每个企业所处的外外部部环环境境对产出量的影响被包含在随机误差项中 每个企业所处的外部环境对产出量的影响程度不同，造成了随机误差项的异方差性 这时，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、实际经济问题中的异方差性三、实际经济问题中的异方差性 四、异方差性的后果四、异方差性的后果 计量经济学模型一旦出现异方差性，如果仍采用OLS估计模型参数，会产生下列不良后果：1 1、参数估、参数估计量非有效量非有效 OLS估计量仍然具有仍然具有无偏性无偏性，但不具有不具有有效性有效性 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一一致性致性，但仍然不具有渐近有效性渐近有效性。

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、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 五、异方差性的检验五、异方差性的检验检验思路：检验思路： 由于异方差性异方差性就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，也就是异方差性，也就是检验随机随机误差差项的的方差与解方差与解释变量量观测值之之间的相关性及其相的相关性及其相关的关的“形式形式” 问题在于用什么来表示随机在于用什么来表示随机误差差项的方差的方差 一般的一般的处理方法：理方法：几种异方差的检验方法：几种异方差的检验方法：1 1、图示法示法（1）用）用X-Y的散点图进行判断的散点图进行判断 看是否存在明显的散点散点扩大大、缩小小或复复杂型型趋势（即不在一个固定的带型域中）看是否形成一条斜率为零的直线2、帕克、帕克(Park)检验与戈里瑟检验与戈里瑟(Gleiser)检验检验 基本思想基本思想: : 偿试建立方程：或选择关于变量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。

如： 帕克检验常用的函数形式：或 若若 在在统计上是上是显著的，表明存在异方差性著的，表明存在异方差性 3、戈德菲尔德、戈德菲尔德-匡特匡特(Goldfeld-Quandt)检检验验 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-QG-Q检验的思想检验的思想： 先将样本一分为二，对子样和子样分别作回归，然后利用两个子样的残差平方和之比构造统计量进行异方差检验 由于该统计量服从F分布，因此假如存在递增的异方差，则F远大于1；反之就会等于1（同方差）、或小于1（递减方差）G-QG-Q检验的步的步骤：将n对样本观察值(Xi,Yi)按观察值Xi的大小排队将序列中间的c=n/4个观察值除去，并将剩下的观察值划分为较小与较大的相同的两个子样本，每个子样样本容量均为(n-c)/2对每个子样分别进行OLS回归，并计算各自的残差平方和 在同方差性假定下，构造如下满足F分布的统计量 给定显著性水平，确定临界值F(v1,v2)， 若F F(v1,v2)， 则拒绝同方差性假设，表明存在异方差存在异方差 当然，还可根据两个残差平方和对应的子样的顺序判断是递增型异方差还是递减异型方差。

3、怀特（、怀特（White）检验）检验 怀特检验不需要排序，且适合任何形式的异方差 怀特检验的基本思想与步骤怀特检验的基本思想与步骤（以二元为例）：然后做如下辅助回归 可以证明，在同方差假设下：(*)R2为(*)的可决系数，h为(*)式解释变量的个数，表示渐近服从某分布注意：注意： 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 当然，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 六、异方差的修正六、异方差的修正 模型检验出存在异方差性，可用加权最小二加权最小二乘法乘法（Weighted Least Squares, WLSWeighted Least Squares, WLS）进行估计 加权最小二乘法的基本思想：加权最小二乘法的基本思想： 加加权最小二乘法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。

例如例如，如果对一多元模型，经检验知：新模型中，存在 即满足同方差性，可用OLS法估计一般情况下一般情况下: 对于模型 Y=X + 存在 即存在异方差性异方差性 W是一对称正定矩阵，存在一可逆矩阵D使得 W=DD 用D-1左乘 Y=X + 两边，得到一个新的模型： 该模型具有同方差性因为 这就是原模型 Y=X + 的加加权最小二乘估最小二乘估计量量，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 如何得到如何得到2W ？ 从前面的推导过程看，它来自于原模型残差项 的方差-协方差矩阵因此 仍对原模型进行OLS估计，得到随机误差项的近似估计量i，以此构成权矩阵的估计量，即 这时可直接以 作为权矩阵 注意：注意： 在实际操作中人们通常采用如下的经验方法： 不对原模型进行异方差性检验，而是直接不对原模型进行异方差性检验，而是直接选择加权最小二乘法，尤其是采用截面数据选择加权最小二乘法，尤其是采用截面数据作样本时作样本时 如果确实存在异方差，则被有效地消除了； 如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法七、案例七、案例-中国农村居民人均消费函数中国农村居民人均消费函数 例例1.4 中国农村居民人均消费支出主要由人均纯收入来决定。

农村人均纯收入包括(1)从事农业经营的收入，(2)包括从事其他产业的经营性收入(3)工资性收入、(4)财产收入(5)转移支付收入 考察从事从事农业经营的收入的收入( (X1 1) )和其他收入其他收入( (X2 2) )对中国农村居民消村居民消费支出支出( (Y) )增长的影响:普通最小二乘法的估计结果： 异方差检验递增型的异方差进一步的统计检验进一步的统计检验 (1)G-Q检验检验 将原始数据按X2排成升序，去掉中间的7个数据，得两个容量为12的子样本 对两个子样本分别作OLS回归，求各自的残差平方和RSS1和RSS2： 子样本1： (3.18) (4.13) (0.94) R2=0.7068， RSS1=0.0648子样本2： (0.43) (0.73) (6.53) R2=0.8339， RSS2=0.2729计算计算F F统计量：统计量： F= RSS2/RSS1=0.2792/0.0648=4.31 查表查表 给定=5%，查得临界值 F0.05(9,9)=2.97判断判断 F F0.05(9,9) 否定两组子样方差相同的假设，从而该总体随机项存在递增异方差性存在递增异方差性。

2 2）怀特检验）怀特检验 作辅助回归: （-0.04）(0.10) (0.21) (-0.12) (1.47) (-1.11) R2 =0.4638似乎没有哪个参数的t检验是显著的 但 n R2 =31*0.4638=14.38=5%下，临界值 20.05(5)=11.07，拒绝拒绝同方差性同方差性 原模型的加权最小二乘回归原模型的加权最小二乘回归 对原模型进行OLS估计，得到随机误差项的近似估计量i，以此构成权矩阵2W的估计量； 再以1/| i|为权重进行WLS估计，得各项统计检验指标全面改善各项统计检验指标全面改善去掉交叉项后的辅助回归结果 (1.36) (-0.64) (064) (-2.76) (2.90) R2 =0.4374X2项与X2的平方项的参数的t检验是显著的，且 n R2 =31 0.4374=13.56 =5%下，临界值 20.05(4)=9.49 拒绝拒绝同方差同方差的原假设的原假设 一、序列相关性概念一、序列相关性概念二、二、实际经济问题中的序列相关性中的序列相关性 三、序列相关性的后果三、序列相关性的后果四、序列相关性的四、序列相关性的检验五、具有序列相关性模型的估五、具有序列相关性模型的估计第二部分：序列相关性 一、序列相关性概念一、序列相关性概念如果对于不同的样本点，随机误差项之间不再是如果对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性不相关的，而是存在某种相关性Cov(i , j) 0 则认为出现了则认为出现了序列相关性，即序列相关性，即 是相是相关的关的 对于模型 Yi=0+1X1i+2X2i+k Xki +i i=1,2, ,n 随机项互不相关的经典假设为： Cov(i , j)=0 ij, i,j=1,2, ,n其中：被称为一一阶自自相相关关系系数数（first-order coefficient of autocorrelation） 自相关自相关往往可写成如下形式： i=i-1+i -10） 2、变量的显著性检验失去意义、变量的显著性检验失去意义 在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方差性和互相独立性时才能成立。

如果存在序列相关，模型参数的估计方差会被低估，从而高估t检验值，t检验就失去意义 F检验也是如此 3、模型的预测失效、模型的预测失效 区间预测与参数估计量的方差有关，在方差有偏误的情况下（低估），使得预测估计不准确，预测精度降低 所以，当模型出现序列相关性时，它的预测功能。