如何判断是否存在异方差检验？

来源：蜘蛛抓取(WebSpider) 时间：2024-04-27 15:48 标签： 如何判断是否存在异方差
1、第四章 异方差第一节 异方差定义及检验第二节 异方差的修正1第一节 异方差定义及检验一、异方差性的概念及其产生原因：1.定义：当计量经济模型的基本假设之一不能成立，即至少有一个 ，使得称模型存在异方差。（对等方差假设的违背）2.类型及产生原因：递增型、递减型1)“边错边改学习模型”情况导致方差越来越小（递减）。2)“增长导向型”模型导致方差增大（递增型）3)数据技术改进导致方差缩小；4)函数形式的设定误差；(解释变量多设少设设错)5)异常值的出现；6)随机因素影响。（注：异方差性易产生于横截面数据）2二、异方差的影响1.OLS估计仍然是无偏估计，但不再是最佳估计量；2.T检验可靠性降低；3.增2、大预测误差，影响分析预测的效果。3异方差检验基本思路所谓异方差性，即相对于不同的样本点，也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。检验异方差性的基本思路，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。 如有相关，认为模型存在异方差。随机误差项的方差。一般的处理方法是首先采用普通最小二乘法估计模型，以求得随机误差项的估计量（即残差 。注意，此残差是不严格的），我们称之为“近似估计量”，用 表示随机误差变量方差的近似值。4三、异方差的检验1.图形分析：(1)观察Y、X相关图：SCAT Y X（Graph）(2)残差分析:观察回归方程的残差图 在方程窗口直接点击Resid3、ual按钮；或：点击ViewActual,Fitted,ResidualTable若残差序列有放大或缩小的趋势，说明模型存在异方差。(3)观察残差平方序列与X序列的相关图52.戈德菲尔德匡特(GoldfeldQuant）检验 原理：适合递增型的异方差，利用方差与解释变量同步增长的原理，通过检验小方差与大方差是否有明显差异，达到检验异方差的目的。 步骤：1）将解释变量的样本值按从小到大排序，再利用OLS求出估计值和残差序列2）在所有样本点中删去中间的c个点，将余下的点分为两组，每组样本为 个。 3）将两组样本分别作OLS，求得各自的残差平方和，再设计统计量检验两组残差平方和是否有显著差异，若有，4、异方差存在。6检验统计量：F服从分布其中 为小值样本组的残差平方和； 为大值样本组的残差平方和。F值大于临界值，异方差存在。Eviews实现：分段回归73.怀特（White）检验 原理：利用辅助回归模型判断方差与解释变量之间是否有明显的因果关系。例：二元模型的辅助模型为 步骤：1）假设 （F-检验）； 2）估计辅助回归模型； 3）t-统计量或F检验值有否大于临界值（或p值较小）,若大于临界值,异方差存在. 8怀特（White）检验的Eviews实现先对原模型作OLS估计，在方程结果框内点：ViewResidual TestsWhite Heteroskedastcity94、帕克（Park)检5、验和戈里瑟(Glejser)检验 Park检验的辅助模型为：求对数后为：Glejser检验以 为被解释变量，以原模型的某一解释变量 为解释变量，建立如下方程 ： 可有多种函数形式。（利用试回归法，选择关于变量的不同的函数形式，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。）可利用Eviews软件实现。10第二节 异方差的修正一、加权最小二乘法（WLS）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，然后采用普通最小二乘法估计其参数。二、改变模型的数学形式，比如将线性模型改为对数线性模型，异方差的情况将有所改善。 11WLS估计的Eviews软件实现1)生成权数变量WH2)使用WLS法估计模型方式1：LS（W=WH） C 方式2：在方程窗口中点击EstimateOptionsWeighted,并在权数变量栏输入权
文章来源：企鹅号 - 地理信息论坛导读同方差性是经典线性回归模型中的一个重要假定。如果这一假定不成立，也就是说随机误差项的方差不相等，我们称这种情况为异方差。出现异方差最常见的原因是误差项的条件方差与解释变量相关。因此，我们检验异方差的基本思路就是判断误差项的条件方差是否与解释变量相关。1980年White提出了检验异方差的方法——怀特检验（White Test），这一检验方法是通过建立辅助回归模型来判断异方差性，下文中我们会详细介绍其原理。怀特检验的优点是不依赖随机误差项服从正态分布这一假设，在计量分析中有广泛的应用。本篇推送中，我们向读者介绍如何在Stata中进行怀特检验操作。怀特检验分为怀特一般检验（White’s General Test）与怀特特殊检验（White’s Special Test）。具体来说，怀特一般检验的模型为（这里我们假设原模型中包含3个解释变量）：此时我们提出假设，如果我们拒绝假设，则说明存在异方差；如果我们接受假设，则不存在异方差。怀特特殊检验的模型是：，其中是原模型的拟合值，而是拟合值的平方。此时我们提出假设。如果我们拒绝假设，则说明存在异方差；如果我们接受假设，则不存在异方差。操作案例 (怀特一般检验)各位读者可以复制链接http://data.princeton.edu/wws509/datasets/wages.dta下载数据。我们估计工资方程为：其中lnwage表示工资的对数，exp表示工作经验，expsq表示工作经验的平方。我们首先进行回归分析，输入命令如下：输出结果如下图所示.在stata中，如果我们对于回归的结果不感兴趣，可以在reg命令前面加上quietly，其含义是stata进行回归，但是不显示结果。接下来，我们使用predict命令生成残差u，并生成残差的平方。输入命令如下：第三步，我们生成所有解释变量的平方项，并生成每两个解释变量的交互项，输入命令如下：第四步，残差的平方（usq）对所有解释变量、解释变量平方项及每两个解释变量的交互项进行回归，根据该回归，我们来判断同方差性原假设是否成立。我们输入命令如下：上述手工进行怀特检验的过程比较繁琐，我们可以使用怀特检验的命令。但是stata没有该命令程序文件ado file，各位读者可以上网搜索下载whitetst.ado，然后安装到stata软件的ado目录下，也可以输入下面的命令：安装好whitetst.ado之后，我们可以输入下面的命令：输入结果如下：操作案例 (怀特特殊检验)怀特特殊检验的操作与怀特一般检验比较相似。下载好数据之后，我们进行回归分析，输入命令如下：我们使用predict命令生成拟合值y以及拟合值的平方ysq，输入如下的命令：接下来我们做残差的平方（usq）对y及ysq进行回归，我们输入命令如下：输出结果如图所示：我们也可以使用怀特检验的命令进行操作，输入命令如下：参考文献《STATA软件实验之异方差》. https://wenku.baidu.com/view/8d49f718eefdc8d376ee329c.htmlSophia Rabe-Hesketh, Brian Everitt.2004. A Handbook of Statistical Analyses using Stata. Third Edition. A CRC Press Company.怀特检验ado文件链接：http://fmwww.bc.edu/repec/bocode/w/whitetst.ado注：操作平台为Stata14.0发表于:
2018-06-162018-06-16 10:00:13原文链接：https://kuaibao.qq.com/s/20180616B0E9CX00?refer=cp_1026腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。如有侵权，请联系 cloudcommunity@tencent.com 删除。

我要回帖

更多关于 如何判断是否存在异方差 的文章

 

随机推荐