概念
假如假设3 被破坏,出现
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。
同方差假定下
异方差的情况下
产生原因
略去了某些重要的解释变量
模型设置错误
经济数据本身存在异方差
测量误差
储蓄函数
学习模型
影响
线性无偏非有效
大样本的时候不具有一致性 且不具有渐进有效性
变量显著检验失去意义
预测失效
检验
在检验中都用残差代替了随机误差项
spearman检验(等级检验):
构造了一个关于残差和x的统计量r
并做显著性检验
t服从自由度为n-2的t分布。假如p<0.05就拒绝原假设认为残差和x相关,存在异方差。反之则认为不存在异方差。
park检验:
假设残差和x满足如下的函数:
对其进行OLS假如 显著则认为残差和x有关,存在异方差。反之则认为不存在异方差。
park检验只能用于一维,对于多元线性回归,可以用White检验来构造异方差结构。
解决办法
加权最小二乘估计
由于异方差的情况下
不妨设
为一个异方差结构函数,在park检验中
我们将原方程两端同时除以并对其做OLS即可消除异方差性
网友评论