6异方差pptdeflate.pptVIP

More on WLS WLS is great if we know what Var(ui|xi) looks like 如果我们知道Var(ui|xi) 的形式，WLS很棒 In most cases, won’t know form of heteroskedasticity 在大多数情况下，我们并不清楚异方差的形式 Feasible GLS可行GLS 更典型的情形是你并不知道异方差的形式 此时，你需要估计h(xi) Typically, we start with the assumption of a fairly flexible model, such as 我们可以从一个非常灵活的方程形式入手 Var(u|x) = s2exp(d0 + d1x1 + …+ dkxk) 由于d未知，我们必须对它进行估计。 Feasible GLS (continued)可行GLS 我们的假定意味着 u2 = s2exp(d0 + d1x1 + …+ dkxk)v, where E(v|x) = 1. ln(u2) = a0 + d1x1 + …+ dkxk + e 其中E(e) = 1 且 e 独立于x 现在，我们知道? 是u 的一个估计，所以我们可以通过OLS对其进行估计。 Feasible GLS (continued)可行GLS 对h的估计可以通过? = exp(?) 得到，其倒数为我们的权重 So, what did we do? 那么，我们做了什么呢？ 对原方程做OLS回归，保存残差?，平方之，并取自然对数 将ln(?2) 对全部解释变量回归，得到预测值 ? 将1/exp(?) 作为权重，做WLS WLS Wrapup 当在WLS后进行F检验时，通过无约束模型构造权重，并利用此权重做约束模型和无约束模型的WLS回归。 记住：我们只是用WLS来提高效率，OLS仍然是无偏且一致的。 由于抽样误差的存在，估计值可能不同，但是如果差异很大的话，有可能是因为Gauss－Markov假定的其它假定为假。 Example: demand for cigarettes例子：香烟需求 In the next several sides we present an example on estimating demand function for daily cigarette consumption. 我们看一个估计每日香烟消费需求函数的例子 We first test for HSK through three ways: The BP test, the LM test, the hettest command. 首先通过三种方法检验HSK：BP检验，LM检验，及hettest命令。 Example: demand for cigarettes例子：香烟需求 Then we show steps in carrying out FGLS 然后看一看实现FGLS的步骤 Note the results are slightly different from those in the textbook, possibly because of rounding off errors, and because one obs. is missing in the data. 注意，我们的结果与书上的结果有细微差异，可能是由于舍入误差的存在，而且有一个观察值在数据中缺失。 The HSK testing result The BP test statistic is just the F statistic for this regression; the LM statistic = 806*0.0402=32.40, BP检验就是回归中的F 统计量，LM统计量为806*0.0402=32.40 The Cook-Weisberg test gives a test statistic of 69.45. All indicate the presence of HSK. Cook—Weisberg检验给出的检验统计量为69.45，意味这存在异方差。 Example birth.dta: the robust LM statistic (4)例子birth.dta:稳健LM统计量（4） Chapter Outline 本章提要 Consequences of HSK of OLS OLS中异方差的影响 HSK-Robust Inference after OLS estimation OLS估计后“异方差－稳健”的统计推断 Testing for