第五章：异方差性(作业)
资料：第五章 异方差性题目20150704(习题)-myb
选择题：1. G-Q 检验的局限性在于（） A. 该方法适用于大样本B. 该方法无法判断异方差由哪一个变量引起C. 该方法只能检验单调递增或单调递减形式的异方差D. 以上三种说法都正确。
2. 模型遗漏重要变量的可能后果包括（） A. 产生异方差性 B. 产生多重共线性 C. 产生序列自相关性D. 误差项与解释变量相关E. 误差项非正态3. 模型包含无关变量的可能后果包括（） A. 产生异方差性 B. 产生多重共线性 C. 产生序列自相关性D. 误差项与解释变量相关E. 误差项非正态4. 那些检验方法可以判断异方差性由哪一个变量引起？（）A. G-Q 检验B. White 检验C. ARCH 检验D. Glejser 检验E. 以上四种方法皆可5. ****对于模型0112233i i i i i Y X X X u ββββ=++++ ，在使用white 方法检验异方差性时，若要得到可靠的检验结果，则所需要的样本数至少为（）A. 30B. 34C. 11D. 406. ***为了弥补White 检验对自由度损失过重的情况，人们提出了如下形式的辅助回归：22123ˆˆi i i ie Y Y αααν=+++ 则下列说法正确的是：（ ）A. 原假设是：0123:0H ααα=== ；B. 原假设是：023:0H αα== ；C. 检验统计量为F 统计量；D. 检验统计量为2nR ( )；E. ˆiY 为多元线性回归的拟合值7. 关于ARCH 方法检验异方差性，说法正确的是（） A. 可以应用在截面数据和时间序列数据中；B. ARCH 检验的辅助回归是自回归条件异方差过程；C. 样本数的数目；D. 检验统计量是2()n p R - ，其中2R 为原模型的可决系数。
8. 若Glejser 检验结果显示对于i i i e X ν= ，F 检验的p 值为0.005，而对于1i i ie X βν=+ ，F 检验的p 值为0.15， 则考虑在进行加权最小二乘估计时，选用的权重i w 为（）A. i iw X =； B. 1i iw X =； C. i i w X =； D. 2i i w X =. 9. 仅在异方差存在时，会对以下哪些产生影响？（）A. OLS 的无偏性；B. OLS 的一致性；C. OLS 的有效性；D. 显著性检验；E. 区间预测 10. 对模型进行对数变换是常用的模型修订的方法，有关对数变换描述错误的是（） A. 可以用来修正异方差性 B. 可以用来修正多重共线性 C. 可以用来修正序列自相关性D. 对变量取对数时要注意取对数后变量符合经济意义。
【计量经济学】第五章精选题与答案解析
第五章 异方差二、简答题1．异方差的存在对下面各项有何影响？ （1）OLS 估计量及其方差； （2）置信区间；（3）显著性t 检验和F 检验的使用。
2．产生异方差的经济背景是什么？检验异方差的方法思路是什么？3．从直观上解释，当存在异方差时，加权最小二乘法（WLS ）优于OLS 法。
4．下列异方差检查方法的逻辑关系是什么？ （1）图示法 （2）Park 检验 （3）White 检验5．在一元线性回归函数中，假设误差方差有如下结构：()i i i x E 22σε=如何变换模型以达到同方差的目的？我们将如何估计变换后的模型？请列出估计步骤。
三、计算题1．考虑如下两个回归方程（根据1946—1975年美国数据）（括号中给出的是标准差）：t t t D GNP C 4398.0624.019.26-+=e s ：（2.73）（0.0060） （0.0736）R ²=0.999t t t GNP D GNP GNP C ⎥⎦⎤⎢⎣⎡-+=⎥⎦⎤⎢⎣⎡4315.06246.0192.25 e s ： （2.22） （0.0068）（0.0597）R ²=0.875式中，C 为总私人消费支出；GNP 为国民生产总值；D 为国防支出；t 为时间。
研究的目的是确定国防支出对经济中其他支出的影响。
（1）将第一个方程变换为第二个方程的原因是什么？（2）如果变换的目的是为了消除或者减弱异方差，那么我们对误差项要做哪些假设？ （3）如果存在异方差，是否已成功地消除异方差？请说明原因。
（4）变换后的回归方程是否一定要通过原点？为什么？ （5）能否将两个回归方程中的R ²加以比较？为什么？2．1964年，对9966名经济学家的调查数据如下：资料来源：“The Structure of Economists’ Employment and Salaries”, Committee on the National Science Foundation Report on the Economics Profession, American Economics Review, vol.55, No.4, December 1965.（1）建立适当的模型解释平均工资与年龄间的关系。
第五章 异方差性
Qt
ALt
K
t
eut
• U为随机误差项，它包含了资本K和劳动力L
以外的因素对产出Q的影响，比如能源、环境、
政策等。由于不同的地区这些因素不同造ui 成了 对产出的影响出现差异，使得模型中的 具有
异方差，并且这种异方差的表现是随资本和劳 动力的增加而有规律变化的。
(二）样本数据的观测误差
• 一方面，样本数据的观测误差常随着时间的 推移而逐步积累，引起随机误差项的方差增 加。另一方面，随着时间的推移，样本观测 技术会随之提高，也可能使得样本的观测误 差减少，引起随机误差项的方差减小。因此， 随着时间的推移，样本数据的观测误差会发 生变化，从而引起随机误差项的变化。
Yt 1 2 X 2i 3 X 3i ui (1)
Y 1 2 X 2 3 X 3
(2)
Yt 1' 2 X 2i ui'
(3)
Y 1' 2 X 2
(4)
由(2)、(4)得:1' 1 3 X3 (5)
由(1)、(3)、(5)得:
Var(ui )
2 i
f
(X
ji )
i 1, 2, , n
则称随机误差项存在异方差.
( 即回归模型中随机误差项的方差不是常数 )
例2：使用截面数据研究储蓄函数
假设 储蓄函数模型Y i 0 1X i ui
式中：Y i第i个家庭的储蓄额，X i第i个家庭的可支配收入，ui 代表除可支配收入以外影响储蓄额的其它因素，如利率、家庭 人口、文化背景等等。这里，同方差假设显然与事实不符。
ui' 1 3 X 3i ui 1'
庞浩 计量经济学5第五章 异方差性
同方差
递增型异方差
递减型异方差
复杂型异方差
18
2.借助X-e2散点图进行判断 观察散点的纵坐标是否随解释变量Xi的变化而 变化。
~2 e2e i ei e2 ~2
X 同方差 递增异方差
X
e2
~2 e i
~2 e 2 e i
X 递减异方差 复杂型异方差
X
19
二、戈德菲尔德—夸特 （Goldfeld-Quanadt）检验
3
说明1
矩阵表示： Y X u 随机扰动项向量 其方差—协 u1 u 方差矩阵不 2 u 再是： un n1 而是：
2 2 Var Cov ( ui ) 2 nn
ei X i v i
ei
1 vi Xi
ei X i v i 1 ei vi Xi
③利用上述回归的R2、t统计量、F统计量等判断，R2 好、t统计量和F统计量显著，即可判定存在异方差。 28
说明： 1.也可以用 e i 与可能产生异方差的多个解释变 量进行回归模拟； 2.戈里瑟检验的优点在于不仅检验了异方差是否 存在，同时也给出了异方差存在时的具体表现 形式，为克服异方差提供了方便。 3.试验模型选得不好，也可能导致检验不出是否 存在异方差性。
12 2 2 Var Cov ( ui ) 2 n nn
4
说明2
随机扰动项 ui具有异方差性，可理解释为被解释变量 的条件分散程度随解释变量的变化而变化，如下图所 示：var( ui ) i2 2 f ( X i)(i 1,2,, n)
10
第二节 异方差性的后果
第5章 异方差性
估计量不具有最佳性。 但OLS估计量不具有最佳性。 估计量不具有最佳性
5.2.3对模型参数估计值显著性检验的影响 对模型参数估计值显著性检验的影响
e′e 并非随机误差项 并非随机误差项 在异方差情况下， ˆ 在异方差情况下， σ = n − k −1 方差的无偏估计量。 方差的无偏估计量。
2
ˆ 导致在此基础上估计的 s ( b j ) 也出现偏误。
e t 来近似代表随机误差项
5.3.1图示检验法 图示检验法
的估计值） （1）用X（或Y的估计值）与残差平方的散点图进 ） （ 的估计值 行初步判断
~ ei 2 ~ ei 2
X 同方差 递增异方差
X
~ ei 2
~ ei 2
X 递减异方差 复杂型异方差
X
（2）用X-Y的散点图进行判断 ） 的散点图进行判断 看是否存在明显的散点扩大 缩小 复杂型趋势 散点扩大、缩小 散点扩大 缩小或复杂型趋势 （即不在一个固定的带型域中）
. 0 . 0 . ... σ nn ...
5.1.2产生异方差的原因 产生异方差的原因
1、解释变量的遗漏。 2、来自不同抽样单元的因变量观察值的差异。 3、异常观测值的出现。 4、时间序列数据中，观测技术的改进引起的观测值的变化。
注意： （1）时间序列数据和截面数据中都有可能存在异方差，其 中截面样本中更为常见。 (2) 经济时间序列中的异方差常为递增型异方差。金融时 间序列中的异方差常表现为自回归条件异方差。
yt = b0 + b1 x1t + b2 x2t + ut
1、用普通最小二乘法估计模型，求出残差平方序 2 列：e t
2、以残差平方作为因变量，以原方程中所有解释变 解释变 解释变量的平方项和交叉积项 量以及解释变量的平方项 交叉积项 解释变量的平方项 交叉积项做辅助回归：
计量经济学课件第五章 异方差性
计量经济学课件第五章异方差性第五章异方差性1 / 80计量经济学课件第五章 异方差性 2 / 80引子：更为接近真实的结论是什么？根据四川省2000年21个地市州医疗机构数及人口数资料，分析医疗机构及人口数量的关系，建立卫生医疗机构数及人口数的回归模型。
对模型估计的结果如下：ˆ Yi -563.0548 5.3735 X i(291.5778) (0.644284) t (-1.931062) (8.340265) R2 0.785456 R 2 0.774146 F 69.56003式中 Y 表示卫生医疗机构数（个）， X 表示人口数量（万人）。
计量经济学课件第五章 异方差性3 / 80模型显示的结果和问题 ●人口数量对应参数的标准误差较小；● t 统计量远大于临界值，可决系数和修正的可决系数结果较好，F 检验结果明显显著；表明该模型的估计效果不错，可以认为人口数量每增加1万人，平均说来医疗机构将增加5.3735人。
然而，这里得出的结论可能是不可靠的，平均说来每增加1万人口可能并不需要增加这样多的医疗机构，所得结论并不符合真实情况。
有什么充分的理由说明这一回归结果不可靠呢？更为接近真实的结论又是什么呢？计量经济学课件第五章 异方差性4 / 80第五章 异 方 差 性 本章讨论四个问题：●异方差的实质和产生的原因●异方差产生的后果●异方差的检测方法●异方差的补救计量经济学课件第五章 异方差性5 / 80第一节 异方差性的概念 本节基本内容：●异方差性的实质●异方差产生的原因计量经济学课件第五章 异方差性6 / 80一、异方差性的实质 同方差的含义同方差性：对所有的 i (i1,2,..., n)有： Var(ui ) = 2 （5.1） 因为方差是度量被解释变量 Y 的观测值围绕回归线 E(Yi ) 1 2 X 2i 3 X 3i ... k X ki （5.2） 的分散程度，因此同方差性指的是所有观测值的分散程度相同。
计量经济学课后答案第五章 异方差性汇总
第五章课后答案5.1（1）因为22()i i f X X =，所以取221iiW X =，用2i W 乘给定模型两端，得 312322221i i ii i i i Y X u X X X X βββ=+++ 上述模型的随机误差项的方差为一固定常数，即22221()()i i i iu Var Var u X X σ==（2）根据加权最小二乘法，可得修正异方差后的参数估计式为***12233ˆˆˆY X X βββ=-- ()()()()()()()***2****22232322322*2*2**2223223ˆi i i i i i i i i i i i i i i i i iW y x W x W y x W x x W x W x W x x β-=-∑∑∑∑∑∑∑()()()()()()()***2****23222222332*2*2**2223223ˆii ii i i iii i i ii i i i i iW y x W x W y x W x x Wx W x W x x β-=-∑∑∑∑∑∑∑其中22232***23222,,iii i i i iiiW XW X W Y X X Y WWW ===∑∑∑∑∑∑******222333i i i i i x X X x X X y Y Y=-=-=- 5.2（1）2222211111 ln()ln()ln(1)1 u ln()1Y X Y X Yu u X X X u ββββββββββ--==+≈=-∴=+[ln()]0()[ln()1][ln()]11E u E E u E u μ=∴=+=+=又（2）[ln()]ln ln 0 1 ()11i i iiP P i i i i P P i i E P E μμμμμμμ===⇒====∑∏∏∑∏∏不能推导出所以E 1μ（）=时，不一定有E 0μ（ln ）= (3) 对方程进行差分得：1)i i βμμ--i i-12i i-1lnY -lnY =(lnX -X )+(ln ln 则有：1)]0i i μμ--=E[(ln ln5.3（1）该模型样本回归估计式的书写形式为：Y = 11.44213599 + 0.6267829962*X (3.629253) (0.019872)t= 3.152752 31.5409720.944911R =20.943961R = S.E.=9.158900 DW=1.597946 F=994.8326（2）首先，用Goldfeld-Quandt 法进行检验。
第5章 异方差性
5、计算统计量：
RSS2
F
nc ( k 1) nc nc 2 ~ F( k 1, k 1) RSS1 2 2 nc ( k 1) 2
6、在给定的显著性水平下比较判断。
注意： （1） 当模型含有多个解释变量时，应以每一个解释变 量为基准检验异方差。 （2）对于截面样本，计算F统计量之前，必须先把数据 按解释变量的值从小到大排序。 （3）G—Q检验仅适用于检验递增或递减型异方差。 （4）检验结果与数据剔除个数c的选取有关。 （5） G—Q检验无法判定异方差的具体形式。
5.2异方差性的后果
5.2.1对模型参数估计值无偏性的影响
以简单线性回归模型为例，对模型 yt = b0 + b1 xt + ut ˆ 当Var(ut) = t 2，为异方差时，以 b1 为例：
ˆ b1
k
t
yt b1 kt ut
ˆ E (b1 ) E (b1 kt ut ) b1
划分方法是： 把成对（组）的观测值按解释变量的大小顺序排列， 略去c个处于中心位置的观测值 （通常n 30时，取c n/ 4）， 余下的n- c个观测值自然分成容量相等，(n- c) / 2的两 个子样本。
{x1, x2, …, xt-1, xt, xt+1, …, x n-1, xn}
n1 = (n-c) / 2
5.2.3对模型参数估计值显著性检验的影响
ee ˆ 并非随机误差项 在异方差情况下， n k 1 方差的无偏估计量。
2
ˆ 导致在此基础上估计的 s ( b j ) 也出现偏误。
ˆ bj 而变量的显著性检验中，构造了t统计量 t ˆ s(b j )
变量的显著性检验失去意义。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
为了研究中国出口商品总额EXPORT 对国内生产总值GDP 的影响，搜集了1990～2015年相关的指标数据，如表所示。
资料来源：《国家统计局网站》(1) 根据以上数据，建立适当线性回归模型。
(2) 试分别用White 检验法与ARCH 检验法检验模型是否存在异方差 (3) 如果存在异方差，用适当方法加以修正。
解：（1）100,000200,000300,000400,000500,000600,000700,000XYDependent Variable: Y Method: Least Squares Date: 04/18/20 Time: 15:38Sample: 1991 2015Included observations: 25VariableCoefficientStd. Error t-Statistic Prob.C XR-squared Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid +10 Schwarz criterionLog likelihood Hannan-Quinn criter.F-statistic Durbin-Watson stat Prob(F-statistic)模型回归的结果：^673.0863 4.0611iX i Y =-+()(0.043820.1368)t =-20.9463,25R n ==（2）white: 该模型存在异方差Heteroskedasticity Test: WhiteF-statistic Prob. F(2,22) Obs*R-squared Prob. Chi-Square(2) Scaled explained SSProb. Chi-Square(2)Test Equation:Dependent Variable: RESID^2 Method: Least Squares Date: 04/18/20 Time: 17:45 Sample: 1991 2015Included observations: 25VariableCoefficientStd. Error t-Statistic Prob.C +09+09X^2XR-squared Mean dependent var+09 Adjusted R-squared. dependent var+09. of regression+09Akaike info criterionSum squared resid+20Schwarz criterionLog likelihoodHannan-Quinn criter.F-statistic Durbin-Watson statProb(F-statistic)ARCH检验：该模型存在异方差Heteroskedasticity Test: ARCHF-statistic Prob. F(1,22)Obs*R-squared Prob. Chi-Square(1)Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 04/18/20 Time: 19:55Sample (adjusted): 1992 2015Included observations: 24 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.C+08+08RESID^2(-1)R-squared Mean dependent var+09 Adjusted R-squared. dependent var+09. of regression+09Akaike info criterionSum squared resid+20Schwarz criterionLog likelihoodHannan-Quinn criter.F-statistic Durbin-Watson stat Prob(F-statistic)（3）修正：加权最小二乘法修正Dependent Variable: YMethod: Least SquaresDate: 04/18/20 Time: 20:46Sample: 1991 2015Included observations: 25Weighting series: W2Weight type: Inverse variance (average scaling)Variable Coefficient Std. Error t-Statistic Prob.CXWeighted StatisticsR-squared Mean dependent varAdjusted R-squared. dependent var. of regressionAkaike info criterionSum squared resid+09Schwarz criterionLog likelihoodHannan-Quinn criter.F-statistic Durbin-Watson statProb(F-statistic)Weighted mean dep.Unweighted StatisticsR-squared Mean dependent varAdjusted R-squared. dependent var. of regression Sum squared resid+10修正后进行white检验：Heteroskedasticity Test: WhiteF-statistic Prob. F(2,22)Obs*R-squared Prob. Chi-Square(2)Scaled explained SSProb. Chi-Square(2)Test Equation:Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 04/18/20 Time: 20:41 Sample: 1991 2015Included observations: 25Collinear test regressors dropped from specificationVariableCoefficientStd. Error t-Statistic Prob.C X*WGT^2 WGT^2R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid +16 Schwarz criterionLog likelihood Hannan-Quinn criter.F-statistic Durbin-Watson stat Prob(F-statistic)修正后的模型为^10781.17 3.931606iX i Y =+(4.925821)(20.47667)t =20.9480,25R n ==表的数据是2011年各地区建筑业总产值（X ）和建筑业企业利润总额（Y ）。
数据来源：国家统计局网站根据样本资料建立回归模型，分析建筑业企业利润总额与建筑业总产值的关系，并判断模型是否存在异方差，如果有异方差，选用最简单的方法加以修正。
解：散点图：0100200300400500600700X Y建立线性回归模型：Dependent Variable: Y Method: Least Squares Date: 04/18/20 Time: 21:16 Sample: 1 31Included observations: 31VariableCoefficientStd. Error t-Statistic Prob.C XR-squared Mean dependent var Adjusted R-squared. dependent var. of regressionAkaike info criterionSum squared resid Schwarz criterionLog likelihoodHannan-Quinn criter.F-statistic Durbin-Watson statProb(F-statistic)white检验：Heteroskedasticity Test: WhiteF-statistic Prob. F(2,28)Obs*R-squared Prob. Chi-Square(2)Scaled explained SS Prob. Chi-Square(2)Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 04/18/20 Time: 21:19Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.CX^2XR-squared Mean dependent varAdjusted R-squared. dependent var. of regressionAkaike info criterionSum squared resid Schwarz criterionLog likelihoodHannan-Quinn criter.F-statistic Durbin-Watson stat Prob(F-statistic)模型存在异方差模型修正：加权最小二乘法Dependent Variable: YMethod: Least SquaresDate: 04/18/20 Time: 21:24Sample: 1 31Included observations: 31Weighting series: W2Weight type: Inverse variance (average scaling)Variable Coefficient Std. Error t-Statistic Prob.CXWeighted StatisticsR-squared Mean dependent varAdjusted R-squared. dependent var. of regressionAkaike info criterionSum squared resid Schwarz criterionLog likelihoodHannan-Quinn criter.F-statistic Durbin-Watson stat Prob(F-statistic)Weighted mean dep.Unweighted StatisticsR-squared Mean dependent var Adjusted R-squared. dependent var. of regression Sum squared resid Durbin-Watson stat加权后进行white检验：Heteroskedasticity Test: WhiteF-statistic Prob. F(2,28)Obs*R-squared Prob. Chi-Square(2) Scaled explained SS Prob. Chi-Square(2)Test Equation:Dependent Variable: WGT_RESID^2Method: Least SquaresDate: 04/18/20 Time: 21:25Sample: 1 31Included observations: 31Collinear test regressors dropped from specificationVariableCoefficientStd. Error t-Statistic Prob.C X*WGT^2 WGT^2R-squared Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter.F-statistic Durbin-Watson stat Prob(F-statistic)修正成功，修正后的模型为：^0.0207340.034505iX i Y =+(0.015338)(14.11049)t =20.8729,31R n ==表是2015年中国各地区人均可支配收入（X ）与居民每百户汽车拥有量（Y ）的数据。