多元線性回歸-異方差問(wèn)題-在線瀏覽
2025-07-18 01:50本頁(yè)面
【正文】 但并非有效的，即不再具有方差最小性。 6 二、異方差的發(fā)現(xiàn)和判斷 （一）殘差的圖形檢驗(yàn) （二）帕克檢驗(yàn)（ Park test） （三）戈里瑟檢驗(yàn)（ Glejser test） （四）懷特檢驗(yàn)（ White test） 7 （一）殘差的圖形檢驗(yàn) 這是一種最直觀的方法，它以某一變量（通常取因變量）作為橫坐標(biāo)，以隨機(jī)項(xiàng)的估計(jì)量 e或 e2為縱坐標(biāo)，根據(jù)作出的散點(diǎn)圖直觀地判斷是否存在相關(guān)性。通常的方法是先產(chǎn)生殘差序列，再把它和因變量一起繪制散點(diǎn)圖。 8 （二） BreuschPagan檢驗(yàn) 假設(shè)回歸模型如下： 檢驗(yàn)假定線性函數(shù) ( 1 ) 22110 uxxxY kk ?????? ???? ?( 2 ) 221102 vxxxu kk ?????? ???? ?9 步驟： 作普通最小二乘回歸（ 1），不考慮異方差問(wèn)題。 利用原始模型中的解釋變量作形如上式 (2)的回歸，記下這個(gè)回歸的 R平方 。 22uR0: 210 ???? kH ??? ?22 ~2 kuRnLM ???10 （三）戈里瑟檢驗(yàn) 通常擬合 和 之間的回歸模型： 根據(jù)圖形中的分布選擇 再檢驗(yàn)零假設(shè) ＝ 0（不存在異方差）。 ejX??? ??? ljXe 211,1 或??l?11 （四）懷特檢驗(yàn) 假設(shè)有如下模型： （ 3） 基本步驟： 首先用 OLS方法估計(jì)回歸方程（ 3）式。在零假設(shè)：不存在異方差下，White證明了，從方程（ 4）中獲得 R2值與樣本容量（ n）的積服從卡方分布 自由度等于（ 4）式中的解釋變量的個(gè)數(shù)。 Eviews計(jì)算： ViewResidual TestsWhite Heteroskedasticity . 應(yīng)用 ：對(duì)例 61進(jìn)行 White異方差檢驗(yàn) 22 ??? Rn（四）懷特檢驗(yàn) 13 等價(jià)的 White檢驗(yàn) （ 1）用 OLS估計(jì)模型（ 3），得到殘差和擬合值，
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1