下载文档原格式
七、 异方差与自相关一、背景我们讨论如果古典假定中的同方差和无自相关假定不能得到满足，会引起什么样的估计问题呢？另一方面，如何发现问题，也就是发现和检验异方差以及自相关的存在性也是一个重要的方面，这个部分就是就这个问题进行讨论。
二、知识要点1、引起异方差的原因及其对参数估计的影响2、异方差的检验（发现异方差）3、异方差问题的解决办法4、引起自相关的原因及其对参数估计的影响5、自相关的检验（发现自相关）6、自相关问题的解决办法 （时间序列部分讲解） 三、要点细纲1、引起异方差的原因及其对参数估计的影响原因：引起异方差的众多原因中，我们讨论两个主要的原因，一是模型的设定偏误，主要指的是遗漏变量的影响。
这样，遗漏的变量就进入了模型的残差项中。
当省略的变量与回归方程中的变量有相关关系的时候，不仅会引起内生性问题，还会引起异方差。
二是截面数据中总体各单位的差异。
后果：异方差对参数估计的影响主要是对参数估计有效性的影响。
在存在异方差的情况下，OLS 方法得到的参数估计仍然是无偏的，但是已经不具备最小方差性质。
一般而言，异方差会引起真实方差的低估，从而夸大参数估计的显著性，即是参数估计的t 统计量偏大，使得本应该被接受的原假设被错误的拒绝。
2、异方差的检验 （1）图示检验法由于异方差通常被认为是由于残差的大小随自变量的大小而变化，因此，可以通过散点图的方式来简单的判断是否存在异方差。
具体的做法是，以回归的残差的平方2i e 为纵坐标，回归式中的某个解释变量i x 为横坐标，画散点图。
如果散点图表现出一定的趋势，则可以判断存在异方差。
（2）Goldfeld-Quandt 检验Goldfeld-Quandt 检验又称为样本分段法、集团法，由Goldfeld 和Quandt 1965年提出。
这种检验的思想是以引起异方差的解释变量的大小为顺序，去掉中间若干个值，从而把整个样本分为两个子样本。
用两个子样本分别进行回归，并计算残差平方和。
第三章 异方差与自相关广义线性模型本章继续讨论线性模型Y =X β+ε, E (ε)=0 （）所不同在于以前的关于误差方差的假定是Var(ε)=σ2I n （）这一章逐次推广讨论。
第一节讨论异方差的存在与检验，尤其是在经济模型资料中的存在与影响，第二节讨论的是n i diag Var i n ,,1,),,,()(2221 ==σσσε已知（）2221222222212121,),,,,,,,,,()(σσσσσσσσε diag Var =未知 （）)ex p(),,,()(2221ασσσεi i n Z diag Var '== ，α未知（）这些都是误差方差为对角阵的模型。
第三节讨论自相关线性模型。
首先讨论的是残差一阶自回归线性模型，它的残差满足i i i υρεε+=-1（） )(,0)(,)(,0)(22j i E E E j i i i ≠===υυσυυ（）此时残差εi 的方差虽不为对角阵，但只含一个参数。
接着我们介绍自回归条件异方差(ARCH)模型，它的误差假设是i p i p i i υεαεααε++++=--221102（） )(,0)(,)(,0)(22j i E E E j i i i ≠===υυσυυ（）因为模型计算中用到了广义矩估计方法(GMM)，我们在第四节又介绍了GMM 。
第五节讨论的是22,0)(σσε>=M Var 未知，M 已知（）第六节讨论的是22,0)(σσε≥=M Var 未知，M 已知（）所讨论的内容还是各种回归模型、算法及性质。
第一节 异方差的存在与检验一、异方差的存在与影响前面介绍的线性回归模型，都是假定随机误差项εi 独立同分布，有相同的方差 (Homoscedasticity)2)( ,0)(σεε==i i Var E（）但是实际抽样很难保证这一点。
经济对象千差万别，可以按不同标准划分成不同的群体。
这些群体间的差别导致样本方差不一致，于是就有所谓异方差(Heteroscedasticity):2)( ,0)(i i i Var E σεε==（）反映在散点图上，如下图可以明显看出样本方差与点 (X i , Y i )有关，随着样本数值增大而增大。
第三章 异方差与自相关广义线性模型本章继续讨论线性模型Y =X β+ε, E (ε)=0 （3.0.1）所不同在于以前的关于误差方差的假定是Var(ε)=σ2I n （3.0.2）这一章逐次推广讨论。
第一节讨论异方差的存在与检验，尤其是在经济模型资料中的存在与影响，第二节讨论的是n i d i a g V a r i n ,,1,),,,()(2221 ==σσσε已知（3.0.3） 2221222222212121,),,,,,,,,,()(σσσσσσσσε diag Var =未知 （3.0.4） )e x p (),,,()(2221ασσσεi i n Z diag Var '== ，α未知（3.0.5）这些都是误差方差为对角阵的模型。
第三节讨论自相关线性模型。
首先讨论的是残差一阶自回归线性模型，它的残差满足i i i υρεε+=-1（3.0.6） )(,0)(,)(,0)(22j i E E E j i i i ≠===υυσυυ（3.0.7）此时残差εi 的方差虽不为对角阵，但只含一个参数。
接着我们介绍自回归条件异方差(ARCH)模型，它的误差假设是i p i p i i υεαεααε++++=--221102（3.0.8） )(,0)(,)(,0)(22j i E E E j i i i ≠===υυσυυ（3.0.9）因为模型计算中用到了广义矩估计方法(GMM)，我们在第四节又介绍了GMM 。
第五节讨论的是22 ,0)(σσε>=M V a r 未知，M 已知（3.0.10）第六节讨论的是22,0)(σσε≥=M Var 未知，M 已知（3.0.11）所讨论的内容还是各种回归模型、算法及性质。
第一节 异方差的存在与检验一、异方差的存在与影响前面介绍的线性回归模型，都是假定随机误差项εi独立同分布，有相同的方差(Homoscedasticity)2)( ,0)(σεε==i i Var E（3.1.1）但是实际抽样很难保证这一点。
第三章 异方差与自相关广义线性模型本章继续讨论线性模型Y =X β+ε, E (ε)=0 （3.0.1）所不同在于以前的关于误差方差的假定是Var(ε)=σ2I n （3.0.2）这一章逐次推广讨论。
第一节讨论异方差的存在与检验，尤其是在经济模型资料中的存在与影响，第二节讨论的是n i d i a g V a r i n ,,1,),,,()(2221 ==σσσε已知（3.0.3） 2221222222212121,),,,,,,,,,()(σσσσσσσσε diag Var =未知 （3.0.4） )e x p (),,,()(2221ασσσεi i n Z diag Var '== ，α未知（3.0.5）这些都是误差方差为对角阵的模型。
第三节讨论自相关线性模型。
首先讨论的是残差一阶自回归线性模型，它的残差满足i i i υρεε+=-1（3.0.6） )(,0)(,)(,0)(22j i E E E j i i i ≠===υυσυυ（3.0.7）此时残差εi 的方差虽不为对角阵，但只含一个参数。
接着我们介绍自回归条件异方差(ARCH)模型，它的误差假设是i p i p i i υεαεααε++++=--221102（3.0.8） )(,0)(,)(,0)(22j i E E E j i i i ≠===υυσυυ（3.0.9）因为模型计算中用到了广义矩估计方法(GMM)，我们在第四节又介绍了GMM 。
第五节讨论的是22 ,0)(σσε>=M V a r 未知，M 已知（3.0.10）第六节讨论的是22,0)(σσε≥=M Var 未知，M 已知（3.0.11）所讨论的内容还是各种回归模型、算法及性质。
第一节 异方差的存在与检验一、异方差的存在与影响前面介绍的线性回归模型，都是假定随机误差项εi独立同分布，有相同的方差(Homoscedasticity)2)( ,0)(σεε==i i Var E（3.1.1）但是实际抽样很难保证这一点。
