异方差怀特的一般异方差检验(课堂PPT).ppt

,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,L o g o,L o g o,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,.,*,3.,怀特,(White),检验（,1980,年怀特提出）,怀特检验是异方差更一般的检验方法，这种检验方法不需要对异方差的性质（形式、如递增等性质）做任何假定，因此是目前应用比较普遍的异方差检验方法。,这里用残差,来表示随机误差项,u,i,的,(,近似,),估计量,于是有,即用 来表示随机误差项的方差。,1,.,怀特检验的基本思想与步骤（以三元为例）：,（,1,）得到残差平方序列,e,i,2,用普通最小二乘法,(OLS),估计上述模型的参数，得到残差平方序列,e,i,2,。,2,.,（,2,）构造辅助回归模型，并进行,OLS,估计,在残差与解释变量,线性,关系的基础上，再加入解释变量的,平方项,与,交叉项,，构造辅助回归模型。,检验原模型是否存在异方差就相当于检验此辅助回归模型的回归参数，除常数项以外是否显著为,0,。,3,.,原假设,备择假设,至少有一个不等于,0.,如果原假设,H,0,成立，相当于,e,i,2,是一个常数,，则由,e,i,2,表示的随机误差项的方差是一个常数,，那么就认为原模型不存在异方差性。反之，认为原模型存在异方差性。,在构造辅助回归模型以后，使用普通最小二乘法（,OLS,）对这个辅助回归模型进行参数估计，从而得到该辅助模型的可决系数,R,2,。,4,.,（,3,）构造统计量，计算统计量的值,在原假设,H,0,成立时，检验统计量,WT,(,k-1,)=,nR,2,服从自由度为,k-1,的 分布。,其中,k,为包含截距的解释变量个数,（,4,）查表得临界值,给定显著性水平,，查表得临界值 。,5,.,（,5,）比较，判断,若 ，接受,H,0,，认为原模型不存在异方差性。,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。,6,.,案例：,检验这个使用,OLS,估计出来的回归模型是否具有异方差性,.,7,.,回归模型只有一个解释变量,X,。,（,1,）得到残差平方序列,e,i,2,对原模型进行,OLS,，使用命令,genr e2=resid2,得到残差平方序列。,8,.,（,2,）构造辅助回归模型，并进行,OLS,估计,只有一个解释变量，因此，构造的辅助回归也比较简单,:,先生成解释变量的平方项：,genr x2=x2,使用,OLS,方法对辅助模型进行估计：输出结果见下页,9,.,10,.,统计量的值,给定,=0.05,，,查卡方分布表，得,=0.05,，自由度为,2,的临界值,比较：,所以拒绝,H,0,，认为回归模型当中存在异方差性。,11,.,Eviews,中的,White,异方差性检验：,在,Eviews,中，有直接进行怀特,White,异方差检验的命令。因此，怀特,White,异方差检验应用比较普遍。,在估计出的模型输出界面中,:,ViewResidual Test White Heteroskedasticity,(no cross terms)(,无交叉项,),(cross terms,有交叉项,),12,.,这部分实际上就是我们前面构造的辅助回归！,怀特异方差检验表,13,.,一般选择,(no cross terms,，无交叉项,),的怀特,White,检验就可以了。,White,异方差检验相应的伴随概率,.,White,异方差检验的统计量的值，即,nR,2,.,由检验的伴随概率,Prob0.05,可以判断，在显著性水平,=0.05,的情况下，拒绝“模型不存在异方差性”的原假设，认为回归模型具有明显的异方差性。,14,.,