Glesjer检验与Park检验并用WLS修正异方差

最新推荐文章于 2022-11-24 21:12:06 发布

呦鱼

最新推荐文章于 2022-11-24 21:12:06 发布

阅读量2.7k

点赞数 2

分类专栏：笔记文章标签： r语言

本文链接：https://blog.csdn.net/qq_52877751/article/details/115065184

版权

本文介绍了在R语言中如何进行异方差性检验，包括Glejser检验和White检验，并展示了如何使用加权最小二乘法（WLS）修正模型。通过散点图和残差图分析，确定了模型存在异方差性，并进行了相应的统计检验。最终，使用WLS得到了更可靠的参数估计。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

异方差练习

模型初步估计
我们首先通过散点图（如下所示）可以看出可支配收入与消费支出之间有一定的正相关，当可支配收入少的时候，消费支出也会相对减小。当个人可支配收入多的时候，消费支出也会相对增加。

Alt

mydata <- read.table("clipboard",header = T)
plot(mydata$X,mydata$Y,xlab = "个人可支配收入",ylab="消费支出")

用R拟合后，发现个人可支配收入对于消费支出的影响是比较显著的。拟合值是0.6334.拟合效果还可以。拟合的效果图如下：

在这里插入图片描述

fit <- lm(Y~X,data = mydata)
s <- fitted(fit)
lines(mydata$X,s,col="red")

异方差的检验

图示法

图示法描述
是一种直观的判断，利用OLS估计所得到的残差值与随机扰动项方差有关的自变量作图。常见的做法就是采用残差平方对因变量Y或者自变量X做二维图初步判断是否存在异方差，以及异方差的存在的形式。可以在下图明显看到：自变量小的时候残差平方也比较小，自变量大的时候，残差平方也比较大。 $\hat{\varepsilon_i}^{2}$ 的取值范围的扩大与缩小是异方差可能存在的一个信号。
在这里插入图片描述

Glejser检验

设线性模型是: ${Y_i}$ = ${\beta_0}$ + ${\beta_1X_{i1}}$ + ${\beta_2X_{i2}}$ + … + ${\beta_kX_{ik}}$ + ${\varepsilon_i}$ , ${i}$ = ${1,2...n}$
在本题中只有一个自变量，即线性模型为 ${Y_i}$ = ${\beta_0}$ + ${\beta_1X_{i1}}$