【Python计量】异方差性的处理

Python for Finance

已于 2022-07-31 10:16:44 修改

阅读量4.9k

点赞数 2

分类专栏： python计量文章标签： python

于 2022-05-05 16:57:41 首次发布

本文链接：https://blog.csdn.net/mfsdmlove/article/details/124592619

版权

python计量专栏收录该内容

18 篇文章 13 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了在计量经济学中处理异方差问题的三种方法：OLS+稳健标准误（如White标准误和Newey-West），加权最小二乘法（WLS）以及可行加权最小二乘法（FWLS）。通过实例演示了如何在Python中运用这些方法，并展示了处理异方差后的模型参数和显著性。

摘要由CSDN通过智能技术生成

通过上篇内容，我们通过画残差图、BP检验、怀特检验、GQ检验等方法，发现模型存在异方差性。本篇文章主要介绍如何对异方差进行处理。

一、使用“OLS+稳健标准误”

如果存在异方差，一种处理方法是，仍然进行OLS回归，但使用在异方差情况下也成立的稳健标准误。

标准误在统计推断中发挥着至关重要的作用，直接影响着系数的显著性和置信区间，并最终影响到假设检验的结论。因此，正确地估计标准误在实证分析的过程中显得尤为重要。

White标准误（异方差稳健的标准误）：
HC0:White（1980）提出的异方差稳健的标准误
HC1:Mackinon and White（1985）提出的异方差稳健的标准误
HC2:MacKinnon and White（1985）提出的异方差稳健的标准误
HC3:MacKinnon and White（1985）提出的异方差稳健的标准误
Newey-West标准误（异方差自相关稳健的标准误）：
HAC

我们以伍德里奇《计量经济学导论：现代方法》的”第8章异方差性“的案例8.4为例，使用HPRICE1中的数据，分别采用OLS模型，OLS模型+HC0标准误、OLS模型+HAC标准误对