7.1 异方差的后果
(1)OLS估计量依然是无偏、一致渐进的
(2)OLS估计量方差不再是
σ
2
(
X
′
X
)
−
1
\sigma^2(\boldsymbol{X'X})^{-1}
σ2(X′X)−1,不满足球形扰动项的假设
使用普通标准误的
t
t
t检验、&F&检验失效
使用稳健标准误
(3)高斯-马尔可夫定理不再成立,OLS估计量不是BLUE
加权最小二乘法是BLUE
7.2 异方差的例子
略
7.3 异方差的检验
1.画残差图
残差可视为扰动项的实现值,可通过残差的波动来大致考察是否存在异方差
这是最直观的方法,但不严格
2.BP检验
假设样本数据 iid
原假设为同方差
辅助回归:
e
i
2
=
δ
1
+
δ
2
x
i
2
+
…
+
δ
K
x
i
K
+
e
r
r
i
o
r
i
e_i^2=\delta_1+\delta_2 x_{i2}+\ldots+\delta_K x_{iK}+errior_i
ei2=δ1+δ2xi2+…+δKxiK+erriori
记此辅助回归的拟合优度为
R
2
R^2
R2.
R
2
R^2
R2越高,越显著,越可以拒绝
H
0
:
δ
2
=
…
=
δ
K
=
0
H_0:\delta_2=\ldots=\delta_K=0
H0:δ2=…=δK=0
L
M
LM
LM统计量:
L
M
=
n
R
2
⟶
d
χ
2
(
K
−
1
)
LM=nR^2\stackrel{d}{\longrightarrow}\chi^2(K-1)
LM=nR2⟶dχ2(K−1)
如果
L
M
LM
LM统计量大于
χ
2
(
K
−
1
)
\chi^2(K-1)
χ2(K−1)的临界值,则拒绝同方差的原假设
3.怀特检验
在BP检验的辅助回归中加入所有的二次项(含平方项与交叉项)
二元回归的怀特检验的辅助回归为
e
i
2
=
δ
1
+
δ
2
x
i
2
+
δ
3
x
i
3
+
δ
4
x
i
2
2
+
δ
5
x
i
3
2
+
δ
6
x
i
2
x
i
3
+
e
r
r
o
r
i
e_i^2=\delta_1+\delta_2 x_{i2}+\delta_3 x_{i3}+\delta_4 x_{i2}^2+\delta_5 x_{i3}^2+\delta_6 x_{i2}x_{i3}+error_i
ei2=δ1+δ2xi2+δ3xi3+δ4xi22+δ5xi32+δ6xi2xi3+errori
优点:它可以检验任何形式的异方差,因为根据泰勒展开式,二次函数可以很好地逼近任何光滑函数。
缺点:如果解释变量较多,则解释变量的二次项(含交叉项)将更多,在辅助回归中将损失较多样本容量。
7.4 异方差的处理
1.使用“OLS+稳健标准误”
仍然进行OLS回归
但是使用在异方差情况下也成立的稳健标准误
这是通用的方法
2.加权最小二乘法(WLS)
方差较小的观测值包含的信息较大
给予方差较小的观测值较大的权重
然后进行加权最小二乘法估计
通过变量转换,使得变换后的模型满足球形扰动项的假定
假定
V
a
r
(
ε
i
∣
x
i
)
≡
σ
i
2
=
σ
2
v
i
Var(\varepsilon_i|\boldsymbol{x_i})\equiv\sigma_i^2=\sigma^2v_i
Var(εi∣xi)≡σi2=σ2vi
y
i
v
i
=
β
1
1
v
i
+
β
2
x
i
2
v
i
+
…
+
β
L
x
i
K
v
i
+
ε
i
v
i
\frac{y_i}{\sqrt{v_i}}=\beta_1\frac{1}{\sqrt{v_i}}+\beta_2\frac{x_{i2}}{\sqrt{v_i}}+\ldots+\beta_L\frac{x_{iK}}{\sqrt{v_i}}+\frac{\varepsilon_i}{\sqrt{v_i}}
viyi=β1vi1+β2vixi2+…+βLvixiK+viεi
对上式进行OLS回归,即为WLS
加权之后的回归方程满足球形扰动项的假定,故是BLUE。
WLS定义为最小化“加权的残差平方和”
m
i
n
∑
i
=
1
n
(
e
i
/
v
i
)
2
=
∑
i
=
1
n
e
i
2
v
i
min\sum\limits_{i=1}^n(e_i/\sqrt{v_i})^2=\sum\limits_{i=1}^n\frac{e_i^2}{v_i}
mini=1∑n(ei/vi)2=i=1∑nviei2
在Stata中,权重为
1
/
v
i
1/v_i
1/vi,方差的倒数
3.可行加权最小二乘法(FWLS)
σ
i
2
\sigma_i^2
σi2不知道,WLS不可行
怎么办?那就估计
σ
i
2
\sigma_i^2
σi2
进行如下辅助回归
e
i
2
=
δ
1
+
δ
2
x
i
2
+
…
+
δ
K
x
i
K
+
e
r
r
i
o
r
i
e_i^2=\delta_1+\delta_2 x_{i2}+\ldots+\delta_K x_{iK}+errior_i
ei2=δ1+δ2xi2+…+δKxiK+erriori
通过此辅助回归的拟合值,既可获得
σ
i
2
\sigma_i^2
σi2的估计值
σ
i
2
^
=
δ
1
^
+
δ
2
^
x
i
2
+
…
+
δ
K
^
x
i
K
\hat{\sigma_i^2}=\hat{\delta_1}+\hat{\delta_2}x_{i2}+\ldots+\hat{\delta_K}x_{iK}
σi2^=δ1^+δ2^xi2+…+δK^xiK
保证
σ
i
2
^
\hat{\sigma_i^2}
σi2^为证,一般换成对数
l
n
e
i
2
=
…
…
lne_i^2=……
lnei2=……(略)
然后得到的拟合值取e指数
以
1
/
σ
i
2
^
1/\hat{\sigma_i^2}
1/σi2^作为权重进行WLS回归
7.5 处理异方差的Stata命令及示例
nerlove.dta
1.画残差图
reg lntc lnq lnpl lnpk lnpf
rvfplot //残差与拟合值的散点图
rvpplot lnq //残差与解释变量lnq的散点图
拟合值较小时,扰动项的方差较大
lnq越小,扰动项的方差越大
上面两幅图,表明很可能存在异方差,即扰动项的方差随着观测值而变
2.BP检验
estat hettest,iid rhs
estat:表示在完成估计后所计算的后续统计量
hettest:heteroscedasticity test
iid:表示仅假定数据为iid,而无需正态假定
选择项 rhs:表示使用方程邮编的全部解释变量进行辅助回归。【没有加这个选择项默认使用拟合值进行辅助回归】
quietly reg lntc lnq lnpl lnpk lnpf //quietly表示执行此命令,但不显示运行结果
estat hettest,iid //使用拟合值进行BP检验
estat hettest,iid rhs //使用所有解释变量进行BP检验
estat hettest lnq,iid //使用变量lnq进行BP检验
3.怀特检验
estat imtest,white
4.WLS
reg y x1 x2 x3 [aw=1/var]
aw表示analytical weight,为扰动项方差(而不是标准差)的倒数
OLS回归→计算残差→得到残差平方的对数→辅助回归→计算辅助回归的拟合值→去掉对数,得到方差估计值→WLS回归
7.6 Stata命令的批处理
略