多元回归分析：异方差性 y = b0 + b1x1 + b2x2 + . . . bkxk + u 计量经济学导论 刘愿

异方差之定义 同方差性假定意味着Var(u|X)=常数。 然而，若u的方差因X而异，则出现异方差。 计量经济学导论 刘愿

异方差性图示 f(y|x) y . . E(y|x) = b0 + b1x . x1 x2 x3 x 计量经济学导论 刘愿

异方差的后果 即使不满足同方差性，OLS估计仍然是无偏和一致的。 如出现异方差，参数估计值的标准误是有偏的。 标准误有偏，通常的t统计量和F统计量或者LM统计量在统计推断时失效。 计量经济学导论 刘愿

出现异方差时的方差 计量经济学导论 刘愿

出现异方差时的方差 计量经济学导论 刘愿

稳健标准误 如果我们获得方差的一致估计值，则可用之作为标准误进行统计推断。 通常，我们称之为稳健标准误。 有时候，估计的方差乘以n/(n – k – 1)进行自由度修正。当 n → ∞，自由度修正无关紧要。 计量经济学导论 刘愿

稳健标准误（续） 稳健标准误只有渐进的正确性：在小样本情况下，以稳健性标准误计算的t统计量并不服从t分布，据此作统计推断并不正确。 计量经济学导论 刘愿

例子8.1 异方差-稳健标准误的工资对数方程 计量经济学导论 刘愿

一般的LM统计量 计量经济学导论 刘愿

稳健LM统计量 对受约束模型进行OLS回归并保存残差项ŭ. 依次将排除的自变量对所有其他未排除的自变量进行回归（q个回归方程），保存每次回归的残差项ř1, ř2, …, řq. 将1对ř1 ŭ, ř2 ŭ, …, řq ŭ进行零截距回归。 LM统计量是n – SSR1,其中SSR1是最后一个回归所得到的残差平方和。 计量经济学导论 刘愿

异方差检验 实质上是检验test H0: Var(u|x1, x2,…, xk) = s2, 或H0: E(u2|x1, x2,…, xk) = E(u2) = s2 假设u2 与 xj 的关系是线性的，则可检验一个线性约束。 如对模型 u2 = d0 + d1x1 +…+ dk xk + v,则检验H0: d1 = d2 = … = dk = 0 计量经济学导论 刘愿

Breusch-Pagan检验 误差项不可观测，但可以从OLS回归中估计之。 将残差平方对所有自变量进行回归后，获得R2 形成F或LM检验。 F统计量恰好是报告的模型总体显著性的F统计量，服从Fk, n – k – 1分布。 F = [R2/k]/[(1 – R2)/(n – k – 1)] LM统计量为LM = nR2, 服从c2k分布 计量经济学导论 刘愿

异方差性的BP检验 计量经济学导论 刘愿

例8.4 住房价格方程中的异方差性 计量经济学导论 刘愿

怀特检验 BP检验能够发现任何线性的异方差性。 怀特检验允许对x的平方项和交互项进行非线性检验。 仍然使用F 或 LM 检验是否所有的 xj, xj2 及 xjxh 联合显著。 这样会耗费很多自由度，怀特检验可以使用另外的技巧。 计量经济学导论 刘愿

怀特检验的备选形式 OLS的拟合值ŷ是所有x的函数。 因此，ŷ2 是x的平方项和交互项的函数，ŷ 和 ŷ2 可作为xj, xj2及 xjxh代理变量。 将残差平方和对ŷ 和 ŷ2 进行回归，并使用R2 计算F 或LM 统计量。 注意只是检验2两个约束。 计量经济学导论 刘愿

加权最小二乘法（WLS） 总是有办法估计OLS估计量的稳健标准误。如果我们知道异方差的特定形式,我们可以获得比OLS更有效的估计量。 基本的想法是，将其转换成拥有同方差标准误的模型，即加权最小二乘法。 计量经济学导论 刘愿

已知异方差形式的例子 假设异方差表现为Var(u|x) = s2h(x),关键是找出函数h(x) . 因为hi 是x 的一个函数， Var(ui/√hi|x) = s2 ，所以E(ui/√hi|x) = 0。 因此，如果将方程两边除以√hi ,我们将获得同方差之模型。 计量经济学导论 刘愿

例子：储蓄方程的异方差 计量经济学导论 刘愿

更一般的例子 计量经济学导论 刘愿

广义最小二乘法（GLS） 用OLS估计转换后的方程是广义最小二乘法(GLS)的一个例子。 GLS是最优线性无偏估计。 GLS 是加权最小二乘估计，其中残差平方以Var(ui|xi)的倒数为权数。 计量经济学导论 刘愿

加权最小二乘法 直觉地考察为何将OLS应用于转换过的方程是合适的，尽管这一转换较为琐碎。 加权最小二乘估计可以得到同样的结果，即使没有经过方程转换。 基本的想法是使误差平方和最小。 (以1/hi权重） 要将估计值放到原方程中解释。 计量经济学导论 刘愿

计量经济学导论 刘愿

加权最小二乘估计：评论 如果我们了解Var(ui|xi) 的形式，WLS是一个不错的选择。 在很多情况下，我们并不知道异方差的形式。 一个例子是，回归时数据时加总的，但模型则是针对个人的。 希望以个体数为权数对每个加总的观测进行加权。 计量经济学导论 刘愿

计量经济学导论 刘愿

计量经济学导论 刘愿

可行GLS（FGLS） 更常见的情况是我们不知道异方差的形式。 在这种情况下，需要估计h(xi)。 通常来说，我们假设异方差的形式较具有弹性，如 Var(u|x) = s2exp(d0 + d1x1 + …+ dkxk) 既然我们不知道d, 则必须估计之。 计量经济学导论 刘愿

FGLS (续) 我们的假设意味着u2 = s2exp(d0 + d1x1 + …+ dkxk)v 其中，E(v|x) = 1, 如E(v) = 1 ln(u2) = a0 + d1x1 + …+ dkxk + e 其中E(e) = 1 且 e 独立于 x。 û 是 u的估计值, 我们可以用OLS估计上式。 计量经济学导论 刘愿

FGLS (续) h的估计值是 ĥ = exp(ĝ), 其倒数即为权重.。接下来的程序是： （1）用OLS估计原来的模型，保存残差û,取其平方之对数。 （2）将ln(û2)对所有自变量进行回归获得拟合值 ĝ. （3）以1/exp(ĝ)作为权重进行WLS回归。 计量经济学导论 刘愿

计量经济学导论 刘愿

计量经济学导论 刘愿

再议线性概率模型 计量经济学导论 刘愿

用WLS估计线性概率模型 计量经济学导论 刘愿

WLS Wrapup When doing F tests with WLS, form the weights from the unrestricted model and use those weights to do WLS on the restricted model as well as the unrestricted model Remember we are using WLS just for efficiency – OLS is still unbiased & consistent Estimates will still be different due to sampling error, but if they are very different then it’s likely that some other Gauss-Markov assumption is false 计量经济学导论 刘愿