-
什么是异方差
-
异方差产生的原因
-
SPSSAU异方差的解决办法
什么是异方差
回归分析通常是被用来衡量变量之间的关系。在众多回归模型中,其中一项有关误差项的假设为对于所有观测值,模型误差项的方差应该为常量。然而,在实际应用中,由于测量误差,遗漏解释变量以及随机因素 的影响,误差项的方差通常不是常量,这种现象就称为异方差。计量研究中,异方差问题非常重要,严重的异方差问题会影响模型估计和模型检验等。
异方差产生的原因
- 测量误差;
- 模型中遗漏了某些重要的解释变量;
- 模型函数存在设定误差;
-
其它随机因素所造成的影响;
SPSSAU异方差的解决办法
处理异方差问题有三种办法,分别是数据处理、稳健标准误回归、FGLS回归(可行广义最小二乘法回归)。分别如下:
-
数据处理
针对连续且大于0的原始自变量X和因变量Y,进行取自然对数(或10为底对数)操作,如果是定类数据则不处理。取对数可以将原始数据的大小进行‘压缩’,这样会减少异方差问题。事实上多数研究时默认就进行此步骤处理,而不需要先异方差检验发现有异方差再进行处理。负数不能直接取对数,如果数据中有负数,研究人员可考虑先对小于0的负数,先取其绝对值再求对数,然后加上负数符号。操作路径:SPSSAU【数据处理】→【生成变量】;
-
稳健标准误回归
如果检验显示有异方差问题,可使用Robust稳健标准误回归法进行研究。此种研究方法是当前最为流行也最为有效的处理办法。操作路径:SPSSAU【计量经济学研究】→【OLS回归】;
-
FGLS回归
如果发现有异方差问题,还可使用FGLS法进行分析,以处理异方差问题。FGLS是这样的一类思路,即对于残差值越大的点,给予越小的权重,从而解决异方差问题,FGLS回归事实上一系列数据处理的过程,并且它是一种思路。操作路径:SPSSAU【计量经济学研究】→【OLS回归】;具体可以参考帮助手册。
网友评论