资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第二章:异方差及其处理,案例:用截面数据估计消费函数,上机实验:利用,31,个省市自治区的,人均收入,与,人均消费,数据估计消费函数。,Consumption=0.7042*Income,t=(83.0652),R,2,=0.9289,案例:用截面数据估计消费函数,观察残差图(取残差绝对值):,案例:用截面数据估计消费函数,直观感受:,存在异方差,(,heteroskedasticity,),Homoskedasticity,(同方差),Heteroskedasticity,(异方差),异方差的危害,OLS,估计量依然是,无偏的,但不再具有,有效性!,t,检验、,F,检验无效,置信区间不可信,异方差的诊断,1.,画图法,:,以,X,i,或,Y,i,为,横坐标,,以,|e,i,|,或,e,i,2,为,纵坐标,这说明没有异方差,Xi,或,Yi,|e,i,|,0,Xi,或,Yi,e,i,0,异方差的诊断,这说明,存在,异方差,Xi,或,Yi,e,i,0,Xi,或,Yi,|e,i,|,0,1.,画图法,:,消费与收入(我国,31,个省市,,2011,年),横轴:收入,;,纵轴:残差,;,消费与收入(我国,31,个省市,,2011,年),横轴:收入,纵轴:残差的绝对值,异方差的诊断,2,、正规的检验,(1),戈里瑟检验,(Glezser test),(2),戈德菲尔德,-,匡特检验(,Glodfeld-Quandt test,),(3),怀特检验(,White test,),异方差的诊断,2,、正规的检验,(,1,)戈里瑟检验,(Glezser test),:,原始回归,获得残差,e,i,;,用,|,e,|,对,可疑变量,做各种形式的回归;,对原假设,H,0,:,1,=0,进行检验,.,异方差的诊断,2,、正规的检验,(,1,)戈里瑟检验,(Glezser test),:,回归的形式通常为如下几种:,对本例进行,Glezser test,异方差的诊断,2,、正规的检验,(,2,)戈德菲尔德,-,匡特检验(,Glodfeld-Quandt test,),先给原始数据进行排序,然后。,戈德菲尔德,-,匡特检验(,Glodfeld-Quandt test,),个样本,3/8,个样本,两个回归可以产生两个残差平方和,同方差时,两个残差平方和应该差不多!,异方差的诊断,2,、正规的检验,(,2,)戈德菲尔德,-,匡特检验(,Glodfeld-Quandt test,),所以,可进行,F,检验。,异方差的诊断,2,、正规的检验,(,2,)戈德菲尔德,-,匡特检验(,Glodfeld-Quandt test,),如果,,则拒绝“原假设”,存在异方差,戈德菲尔德,-,匡特检验(,Glodfeld-Quandt test,),所以,拒绝原假设。即,认为存在异方差,异方差的诊断,2,、正规的检验,(,3,)怀特检验(,White test,):,由,H.White 1980,年提出,原始回归,获得残差,e,i,;,用,e,i,2,对,常数项,、,x,,,x,2,,,交叉项,同时做回归;,(,回归方程称为:,辅助方程,ausiliary equation,),该方程中,解释变量的个数为“,p”(,不不包括常数项,),异方差的诊断,2,、正规的检验,(,3,)怀特检验:,由上述辅助方程的,R,2,构成的统计量,nR,2,服从,X,2,(p),分布,可进行卡方检验;,大于临界值时,拒绝同方差假设,案例:纽约的租金和收入,案例:纽约的租金和收入,因变量:,RENT,(,n=108,),变量,系数,T,统计量,C,5455.48,9.05,Income,0.06,4.42,R,2,=0.1555,案例:纽约的租金和收入,因变量:,e,2,(,n=108,),R,2,=,0.082,怀特的辅助回归,变量,系数,T,统计量,C,-14657900,-1.58,Income,1200.58,2.42,Income,2,-0.01,-1.87,案例:纽约的租金和收入,怀特,统计量,=108*0.082=8.87,,,自由度为,2,的卡方统计量,=5.99,拒绝“,没有异方差,”,的原假设!,点点滴滴:,EVIEWS,设计的一个缺陷:,(,1,)如果在进行怀特检验时,选择“不包括交叉项”;,(,2,)如果你的原始回归本身不带常数项;,在上述两种情况下,,white,检验的,辅助回归方程,中都不会出现“解释变量的水平值”,只有其平方项。,异方差的诊断,2,、正规的检验,注意:遗漏变量对异方差检验的影响,当原方程遗漏重要变量时,异方差检验通常无法通过;,所以,在进行异方差检验时,先要保证没有遗漏重要变量,拉姆齐检验,异方差的诊断,更多的时候,我们需要进行定性的分析!,异方差的处理,1,、加权最小二乘法,(WLS),Weighted Least Squares,广义最小二乘,(GLS),Generalized Least Squares,前者是后者的特例。,Generalized Least Squares,考虑如下数据生成过程:,回归方程的等号两边同时除以,d,i,GLS:Transformed Data,GLS:Transformed Data,异方差的处理,1,、加权最小二乘法,实践中,我们先确定,d,i,;,然后用,异方差的处理,1,、加权最小二乘法,两种常用的形式:,d,i,=,X,i,d,i,=(,X,i,),0.5,本例进行,Glezser test,时,有如下结果,估计消费函数时,对异方差的处理,加权最小二乘法,所以,在本例中,可以确定:,d,i,=(,X,i,),0.5,原方程变形为:,估计消费函数时,对异方差的处理,加权最小二乘法,变形后做回归的结果:,估计消费函数时,对异方差的处理,加权最小二乘法,对新方程再做“异方差检验”:,Heteroskedasticity Test:White,Obs*R-squared 0.934813,Prob.Chi-Square(1)0.3336,异方差已经剔除!,异方差的处理,2,、可行的广义最小二乘,但通常,d,i,与,X,i,之间的关系并不能确定!,假设:,那么,h,就是一个未知数!,如何知道,h,的大小呢?,v,a,r,(,e,i,),=,s,2,X,i,h,Feasible GLS,Estimate the regression with OLS.,Regress,Divide every variable by:,Apply OLS to the transformed data.,估计消费函数时,对异方差的处理,异方差的处理,2,、可行的广义最小二乘,但是该方法在研究者错误地设定异方差的形式后,,FGLS,估计量仍然不是有效的!,基于,FGLS,估计的,t,检验、,F,检验仍然有问题。,异方差的处理,3,、怀特异方差的一致标准误差,思想:,仍然使用,OLS,,因此估计量是有偏的,但如果标准差能够足够小,那么我们的估计仍然是令人满意的。,White Robust Standard Errors,For OLS with an intercept and a single explanator,we have derived the formula for the,e.s.e,:,However,we really used the homoskedasticity assumption only to simplify this formula.,White Robust Standard Errors,If we do not impose homoskedasticity,we get a slightly more complicated formula:,OLS Estimates of the RentIncome Relationship with Robust Standard Errors,本例的戈里瑟检验,(Glezser test),形式,1,形式,2,形式,3,形式,4,Constant,-315401.7,(-0.544771),336000.5,(1.146315),-1646633,(-1.378615),2372387.,(3.291795),X,59.04966,(1.904133),0.001192,(1.641916),17973.54,(2.022699),-2.78E+10,(-2.294215),0.111131,0.085055,0.123637,0.153616,
展开阅读全文