§26异方差性 Heteroskedasticity 一、异方差性的概念 、异方差性的后果 、异方差性的检验 四、异方差性的估计 五、案例
§2.6 异方差性 Heteroskedasticity 一、异方差性的概念 二、异方差性的后果 三、异方差性的检验 四、异方差性的估计 五、案例
说明 回归分析,是在对线性回归模型提出若于基本假 设的条件下,应用普通最小二乘法得到了无偏的、 有效的参数估计量。 但是,在实际的计量经济学问题中,完全满足这 些基本假设的情况并不多见。 如果违背了某一项基本假设,那么应用普通最小 二乘法佔计模型就不能得到无偏的、有效的参数估 计量,OS法失效,这就需要发展新的方法估计模 型 如果随机误差项序列不具有同方差性,即出现异 方差性
•回归分析，是在对线性回归模型提出若干基本假 设的条件下，应用普通最小二乘法得到了无偏的、 有效的参数估计量。 • 但是，在实际的计量经济学问题中，完全满足这 些基本假设的情况并不多见。 • 如果违背了某一项基本假设，那么应用普通最小 二乘法估计模型就不能得到无偏的、有效的参数估 计量，OLS法失效，这就需要发展新的方法估计模 型。 •如果随机误差项序列不具有同方差性，即出现异 方差性。 说 明
异方差的概念
一、异方差的概念
1、异方差的概念 对于模型 Y =Bo+BX+B2X2i+.+BkXk+u 同方差性假设为an(u1)=a2 如果出现 Var(u)=0 即对于不同的样本点,随机误差项的方差不再是 常数,则认为出现了异方差性
1、异方差的概念 对于模型 Yi = 0 + 1 Xi i + 2 X 2i ++ k X ki + i i=1,2,…,n 同方差性假设为 2 Var(i ) = i=1,2,…, n 如果出现 Var i i ( ) = 2 i=1,2,…,n 即对于不同的样本点，随机误差项的方差不再是 常数，则认为出现了异方差性
2、异方差的类型 同方差性假定的意义是指每个μ;围绕其零平均 值的变差,并不随解释变量Ⅹ的变化而变化,不 论解释变量观测值是大还是小,每个μ的方差保 持相同,即 常数 在异方差的情况下,σ;2已不是常数,它随X的 变化而变化,即 2=f(X1)
2、异方差的类型 • 同方差性假定的意义是指每个i围绕其零平均 值的变差，并不随解释变量X的变化而变化，不 论解释变量观测值是大还是小，每个i的方差保 持相同，即 i 2 =常数 • 在异方差的情况下， i 2已不是常数，它随X的 变化而变化，即 i 2 =f(Xi)