chapter8 異質性 - pu.edu.ttfchen/quant/q8_wls.pdf · quan_reg2 3 •配適度的 r-square...
TRANSCRIPT
Quan_reg2 1
常見涉及誤差變異之問題
• 若誤差項不符合變異數相同的假說,則可能產生異值變異
(heteroskedasticity)的問題
• 如何發現資料有異值變異現象?
最快的方法是觀察殘差圖,再以統計檢定確定
• 如何修正?
採用WLS法替代OLS法 (或用異質穩健推論 8.2節)
Chapter8 異質性
Quan_reg2 2
資料散佈圖 殘差圖
當 對 X 之殘差圖呈現梯形,顯示殘差的變異數非固定值,
模式中的 ζ 值隨著 X 增加而增加。
Quan_reg2 3
•配適度的 R-square 不會受到異質的影響
•用OLS得到的估計量仍是不偏的,但不是最佳的
•其變異數是偏誤的,OLS的 t-統計量不再是t-分布。
•即使是大樣本,也不是有效的估計量
8.1 異質性使用OLS的結果
Quan_reg2 4
8.3 異值性的檢定
•迴歸分析時,資料違背同變異性,稱為異值變異(Heteroskedasticity)
•觀察對x 之殘差圖呈現喇叭形時,可能有異值變異,即標準差與x 相關
•也可以由下列三種檢定法檢定資料是否存在異值變異:
–White test
–Breusch-Pagan/Godfrey test
–Goldfeld-Quandt test
Quan_reg2 5
BP 檢定法
• Breusch-Pagan 檢定
•原理說明:
–假設誤差項跟 X 相關
– ε2t = δ0+ δ1X 1t +νt
–利用誤差項變異數為應變數進行迴歸分析,以 F-test 檢定顯著性
• Keonker 提出 LM 統計量,可以卡方檢定執行
註:LM統計量:Likelihood Maximun estimator 是統計上認為較佳的估計量
Quan_reg2 6
White test
• 原理說明:
– 誤差項可能會跟 X 或 X平方相關
– ε2t = δ0+ δ1X 1t + δ2X
21t +νt
– 利用誤差項變異數為應變數進行迴歸分析,若判定係數(R2)很高時,表示具有異值變異。
• White 證明nR2 服從自由度q 的卡方分配,q=(k-
1)(k+2)/2
• 以卡方檢定執行
• SAS中使用 White test
Quan_reg2 7
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq
5 4.87 0.4316
SAS tip 分析 → 迴歸 → 線性
統計值 → 診斷 → V異質檢定
社區相館例之 White test 報表 :
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq
2 11.99 0.0025
年齡血壓關係例之 White test 報表 :
未違背同值變異
違背同值變異
Quan_reg2 8
• 針對異質性資料,可用8.2節的穩健異質統計法
• 傳統的方法是用加權最小平方法, WLS
• 加權最小平方法是廣義最小平方法 (GLS) 的特例
• GLS 能得到最佳線性不偏估計式 (BLUE)
• 現代大部分的迴歸中體都能處理 WLS
8.4 加權最小平方估計 (WLS)
Quan_reg2 9
廣義最小平方法
• Yt = β0+ β1X 1t +…….+ βkX kt +εt
ε ~ N( 0, Σ)
•廣義的變異數矩陣:
NN
N
N
.........
............
...
...
)var(22212
11211
•根據上列變異數矩陣得到的最小平方估計量稱為廣義最小平方法 (generalized least square method), 簡稱為 GLS
Cov(εi, εj)
Var(εi)
Quan_reg2 10
•獨立時變異數矩陣: ζij =0, for i ≠ j
•同值時變異數: ζii2 = ζ2
•假設誤差項是獨立且同變異數時,
Iσ)var( 2
•之前在假設ε是獨立且同變異數之下的最小平方估計量稱為一般最小平方法 (ordirnary least square method), 簡稱為 OLS
•對異質性資料,可假設ζij =0, 指定ζii2 為x 之
函數, 或 x-平方 之函數,如此得到迴歸式的方法稱為 加權最小平方法 (WLS)
Quan_reg2 11
加權最小平方法(WLS)
• 假設模式為:
Yt = β 0+ β 1X 1t +ε t , var(ε t)= Ztσ2
Zt是Xt,或是Xt 的函數
• 此模式滿足獨立性,但不滿足同變異性
• 當變異數與 Zt成正比時,則以 1/Zt 為權重,求出使加權之誤差平方和最小的直線
註:權重的觀念是:對變化小的個案,加權重,對變化大
的個案,加權輕,這將使迴歸式的估計較精確。
Quan_reg2 12
原理 :
求得βi,使下式達到最小的方法稱為加權最小平方
法 (WLS)
2
1,1110 )....( ptptttw XXYwQ
矩陣解 :
•Normal Equation: (X’WX) bw = X’WY
•估計量 : bw = (X’WX)-1 X’WY
•共變異矩陣 : σ{bw} = (X’WX)-1 X’WY
Nw
w
w
...00
............
0...0
0...0
2
1
W
Quan_reg2 13
實作 :
1. 先以不加權最小平方配適迴歸模式。
2. 由殘差圖判斷誤差變異數隨何變數正變,可能是下列情況
之一。然後決定 wt 值。
/1 ,
/1 ,
/1 ,
11
22
2
1
2
1
22
11
22
tttt
tttt
tttt
XwX
XwX
XwX
也可能是分段增加或減少
3. 以 wt 加權得到 WLS 迴歸模式。
4. 進一步測試模式適合性及其它。
喇叭形
梯形
弧形
SAS tip 將 wt資料輸入為 relative weight 變數
Quan_reg2 14
Root MSE 0.18918 R-Square 0.5005
Dependent Mean 74.87714 Adj R-Sq 0.4908
Coeff Var 0.25266
Parameter Estimates
Variable Label DF Parameter Estimate
Standard Error
t Value Pr > |t|
Intercept
Intercept
1 55.83104 2.78093 20.08 <.0001
age age 1 0.58883 0.08158 7.22 <.0001
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq
2 2.52 0.2838
Root MSE 8.14575 R-Square 0.4077
Dependent Mean 79.11111 Adj R-Sq 0.3963
Coeff Var 10.29659
Parameter Estimates
Variable Label DF Parameter Estimate
Standard Error
t Value Pr > |t|
Intercept
Intercept
1 56.15693 3.99367 14.06 <.0001
age age 1 0.58003 0.09695 5.98 <.0001
Test of First and Second Moment Specification
DF Chi-Square Pr > ChiSq
2 11.99 0.0025
(OLS法 報表 ) (WLS法 報表, X-2為加權 )
Quan_reg2 15
說明:
• 報表中的 MSE 為 σ 2 之估計值
• X-2加權時,變異數為 X2(MSE),標準誤為為 X(Root MSE)
• 也可以用其它函數型式估計 σ 2 ,先求出殘差,再用迴歸法得到 σ 2 之函數,做為權重之倒數
(參考 p337 必須估計的異質性函數)