经典单方程计量经济学模型异方差性

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,*,第四章 经典单方程计量经济学模型：放宽基本假定的模型,基本假定违背,：,不满足基本假定的情况。主要包括：,（,1,）随机误差项序列存在,异方差,性；,（,2,）随机误差项序列存在,序列相关,性；,（,3,）解释变量之间存在,多重共线,性；,（,4,）解释变量是随机变量且与随机误差项相关,（,随机解释变量,）；,此外：,（,5,）模型设定有偏误,（,6,）解释变量的方差不随样本容量的增而收敛,计量经济检验：,对模型基本假定的检验,本章主要学习：前,4,类,4.1,异方差性,一、异方差的,概念,二、异方差的类型,三、实际经济问题中的异方差性,四、异方差性的后果,五、异方差性的检验,六、异方差的修正,七、案例,引子：,更为接近真实的结论是什么？,根据四川省,2000,年,21,个地市州医疗机构数与人口数资料，分析医疗机构与人口数量的关系，建立卫生医疗机构数与人口数的回归模型。对模型估计的结果如下：,（,291.5778,）,(0.644284),t=(-1.931062)(8.340265),式中,Y,表示卫生医疗机构数（个），,X,表示人口数量（万人）。,模型显示的结果和问题：,人口数量对应参数的标准误差较小,t,统计量远大于临界值,可决系数和修正的可决系数结果较好,F,检验结果明显显著,表明该模型的估计效果不错，可以认为人口数量每增加,1,万人，平均说来医疗机构将增加,5.3735,个。,然而，这里得出的结论可能是不可靠的，平均说来每增加,1,万人口可能并不需要增加这样多的医疗机构，所得结论并不符合真实情况。,有什么充分的理由说明这一回归结果不可靠呢？更为接近真实的结论又是什么呢？,对于模型,如果出现,即,对于不同的样本点,，,随机误差项的方差不再是常数,，,而互不相同,，,则认为出现了,异方差性,(,Heteroskedasticity,),。,一、异方差的概念,方差是度量被解释变量,Y,的观测值围绕回归线的分散程度，因此同方差性指的是所有观测值的分散程度相同。,图形表示：,二、异方差的类型,同方差,性假定,：,i,2,=,常数,f(X,i,),异方差,时：,i,2,=,f(X,i,),异方差一般可归结为,三种类型,：,(1),单调递增型,：,i,2,随,X,的增大而增大,(2),单调递减型,：,i,2,随,X,的增大而减小,(3),复 杂 型,：,i,2,与,X,的变化呈复杂形式,三、实际经济问题中的异方差性,例,4.1.1,：截面资料下研究居民家庭的储蓄行为,Y,i,=,0,+,1,X,i,+,i,Y,i,:,第,i,个家庭的储蓄额,X,i,:,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,的方差呈现单调递增型变化,例,4.1.2,，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：,C,i,=,0,+,1,Y,i,+,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,：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,样本观测值的,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。,例,4.1.3,，,以某一行业的企业为样本建立企业生产函数模型,Y,i,=A,i,1,K,i,2,L,i,3,e,i,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,外部环境,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。,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,、参数估计量非有效,OLS,估计量,仍然具有,无偏性,，但,不具有,有效性,因为在有效性证明中利用了,E(,)=,2,I,而且，在大样本情况下，尽管参数估计量,具有,一致性,，但仍然,不具有,渐近有效性,。,2,、变量的显著性检验失去意义,变量的显著性检验中，,构造了,t,统计量,其他检验也是如此。,3,、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,检验思路：,由于,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，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。,问题在于用什么来表示随机误差项的方差,一般的处理方法：,几种异方差的检验方法：,1,、图示法,（,1,）用,X-Y,的散点图进行判断,看是否存在明显的,散点扩大,、,缩小,或,复杂型趋势,（即不在一个固定的带型域中）,看是否形成一斜率为零的直线,2,、帕克,(,Park),检验与戈里瑟,(,Gleiser,),检验,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,在统计上是显著的，表明存在异方差性,。,Glejser,检验的步骤,（1）用原始数据估计模型，计算残差直接读取,resid,（2）,用残差绝对值与,X,进行回归：,|,e|=b,0,+b,1,X,h,+v,v,满足基本假定，幂次通常需要选择多种值试算，如,h=1,2,-1,1/2,等,（3）经过,R,2,、F、t,检验找出最优的回归方程形式，或无异方差,Park,检验的的思想,Park,认为随机扰动项,i,的形式为:,2,i,=,2,x,i,b1,v,两边取对数:,ln,2,i,=,ln,2,+b,1,ln x,i,+V,i,令,ln,2,=b,0,ln,2,i,=b,0,+b,1,ln x,i,+V,i,进行,OLS,若显著存在异方差，且找到函数形式；否则无异方差。,3,、戈德菲尔德,-,匡特,(,Goldfeld-Quandt,),检验,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-Q,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-Q,检验的步骤：,将,n,对样本观察值,(,X,i,Y,i,),按观察值,X,i,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,(,v,1,v,2,),，,若,F F,(,v,1,v,2,),，,则拒绝同方差性假设，,表明,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（,White,）,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,（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：,(*),R,2,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：,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,模型检验出存在异方差性，可用,加权最小二乘法,（,Weighted 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,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,e,i,2,赋予较大的权数，,对较大的残差平方,e,i,2,赋予较小的权数。,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,:,对于模型,Y=,X,+,存在,即存在,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,加权最小二乘估计量,，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,2,W,。,如何得到,2,W,？,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：,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，而是直接选择加权最小二乘法，尤其是采用截面数据作样本时。,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,-,中国农村居民人均消费函数,例,4.1.4,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,(4),转移支付收入。,考察,从事农业经营的收入,(,X,1,),和,其他收入,(,X,2,),对中国,农村居民消费支出,(,Y,),增长的影响,:,普通最小二乘法的估计结果：,异方差检验,进一步的统计检验,(1)G-Q,检验,将原始数据按,X,2,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,RSS,1,和,RSS,2,：,子样本,1,：,(3.18)(4.13)(0.94),R,2,=0.7068,，,RSS,1,=0.0648,子样本,2,：,(0.43)(0.73)(6.53),R,2,=0.8339,，,RSS,2,=0.2729,计算,F,统计量：,F=RSS,2,/RSS,1,=0.2792/0.0648=4.31,查表,给定,=,5%,，查得临界值,F,0.05,(9,9)=2.97,判断,F F,0.05,(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,。,（,2,）怀特检验,作辅助回归,:,（,-0.04,）,(0.10)(0.21)(-0.12)(1.47),(-1.11),R,2,=0.4638,似乎没有哪个参数的,t,检验是显著的,。但,n R,2,=31*0.4638=14.38,=,5%,下,，临界值,2,0.05,(5)=11.07,，,拒绝,同方差性,去掉交叉项后的辅助回归结果,(1.36)(-0.64)(064)(-2.76)(2.90),R,2,=0.4374,X,2,项与,X,2,的平方项的参数的,t,检验是显著的，且,n R,2,=31,0.4374=13.56,=,5%,下,，临界值,2,0.05,(4)=9.49,拒绝,同方差,的原假设,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