異方差性的解釋:隨機誤差的方差不全相等。異方差性是相對於同方差而言的,同方差是爲了保證迴歸參數估計量具有良好的統計特性。也就是線性迴歸函數中的隨機誤差項(擾動項)必須滿足同方差性,即方差都相同。
異方差性存在的影響:如果隨機誤差項的均值爲零,則彼此獨立,但是方差不等,即使最小二乘估計具有無偏性和一致性,但卻不是最優線性無偏估計。因此迴歸模型的預測值會波動較大。
無偏性:如果總體參數爲seta,seta1爲估計量,如果E(seta1)=seta,那麼seta1爲seta的無偏估計量。
一致性:樣本數目越大,估計量就越來越接近總體參數的真實值。如果seta1在seta周圍震盪,那麼滿足無偏性卻不滿足一致性。
有效性: 指估計量與總體參數的離散程度,如果兩個估計量都是無偏的,那麼離散程度較小的估計量相對來說是有效的,離散程度用方差來衡量。
1、判斷有偏估計和無偏估計:計算多個樣本得到的估計值的期望和真實值的差值。
如果差值爲0則爲無偏估計,如果不爲0則爲有偏估計。
樣本均值是高斯均值參數的無偏估計量;樣本方差是高斯方差參數的有偏估計
2、
判斷異方差的幾種檢驗方法:1、用X-Y的散點圖進行判斷,看是否存在明顯的散點擴大,縮小和複雜趨勢;2、X-方差的散點圖,看是否形成一斜率爲0的直線3、用各種檢驗方法,如park檢驗,G-Q檢驗和white檢驗。
異方差的修正
檢驗:
如果方差不能直接計算呢?
再實際操作中人們通常採用如下的經驗方法:不對原模型進行異方差性進行檢驗,而是直接選擇加權最小二乘法,尤其是採用截面數據做樣本時,即,如果確實存在異方差,則可以消除,如果不存在異方差性,則加權的等價於普通的最小二乘法。