Title:
1Økonometri 1
- Heteroskedasticitet
- 23. oktober 2006
2Oversigt Heteroskedasticitet (Wooldridge kap. 8)
- OLS estimation under heteroskedasticitet
- Konsekvenser af heteroskedasticitet for OLS
- Hvordan kan man udføre gyldige test på grundlag
af OLS-estimation, selvom der er
heteroskedasticitet? - Korrektion af variansen af OLS estimatoren
- Generelle hypotesetest under heteroskedasticitet
- Test for heteroskedasticitet
- Grafisk test
- Formelle test Breusch-Pagan test, White test
- Bedre (mere efficiente) estimatorer end OLS, når
der er heteroskedasticitet Vægtning af
observationerne - Weighted Least Squares (WLS)
- Feasible Generalized Least Squares (FGLS)
3Heteroskedasticitet
- I kapitel 2 og 3 blev antagelsen om
homoskedasticitet introduceret Samme varians på
fejlleddet for alle i - Antagelsen kan være meget restriktiv i praksis.
Derfor vil vi se på tilfælde med
heteroskedasticitet - MLR.5 er antagelsen om homoskedasticitet
- Alternativ Modellen lider af heteroskedasticitet
af ukendt form - Vi tillader altså, at fejlleddet til hver enhed
(individ, firma, land) har sin egen varians
(meget generel form) - Homoskedasticitet kan ses som det
specialtilfælde, hvor
4Konsekvenser af heteroskedasticitet for OLS
- Se på simpel lineær regressionsmodel
- Antagelserne MLR.1- MLR.4 sikrer at OLS middelret
og konsistent Vedrører ikke variansen på
fejlleddet. - Under MLR.1-5 er OLS efficient og dens varians er
givet ved det simple udtryk fra kapitel 2. -
5Konsekvenser af heteroskedasticitet for OLS
- Udregn variansen af OLS estimatoren, når MLR.1-
MLR.4 er opfyldt, men MLR.5 ikke holder. - Variansen af OLS estimatoren er i det generelle
tilfælde givet ved - Leddene i tælleren gives forskellig vægte,
afhængig af - SST led forkorter ikke ud som det er tilfældet
under homoskedasticitet -
6Konsekvenser af heteroskedasticitet for OLS
- Hvis MLR.5 ikke er opfyldt, siger vi at
fejlleddene er heteroskedastiske - OLS estimatorens egenskaber ved
heteroskedasticitet - OLS stadig middelret og konsistent (givet
MLR.1-4) - - Variansen af OLS estimaterne estimeres ikke
middelret eller konsistent af de sædvanlige
OLS-udtryk - - Konfidensintervallet er ikke rigtigt
konstrueret - - t og F-test er ikke nødvendigvis t og
F-fordelt, LM test er ikke nødvendigvis
fordelt (og derfor er disse test ikke pålidelige) - OLS er ikke længere den bedste lineære
middelrette estimator (BLUE) Der findes andre
lineære middelrette estimatorer med mindre
varians - OLS er ikke længere asymptotisk efficient
7Hvordan kan man teste i modeller med heterosk.?
- Heteroskedasticitet i fejlleddet betyder, at test
der er baseret på OLS estimation kun er gyldige,
hvis man korrigerer standardfejlene for
heteroskedasticitet. - Til det formål er der udviklet såkaldt
heteroskedasticitets-konsistente eller -robuste
test. - Antag Modellen lider af heteroskedasticitet af
ukendt form - Ideen er at opnå en estimator for variansen af
OLS estimatoren, som er konsistent selvom om der
er heteroskedasticitet i fejlleddet.
8Korrektion af variansen i en simpel lineær
regressionsmodel
- White (1980) har vist, at under svage betingelser
vil en konsistent estimator af OLS variansen være
givet ved - Heteroskedasticitets-robust varians og heterosk.
robuste standardfejl (Whites standard errors,
HCSE). - Beregnes fx i Proc Reg med optionen ACOV i SAS.
9Korrektion af variansen i en multipel lineær
regressionsmodel Forelæsningsnoten
10Test i modeller med heteroskedasticitetEnkelt
restriktion
- Heteroskedasticitets-robust t-test af hypotesen
- t-teststørrelse
- hvor HCSE er heterosk. robust standardfejl på
- t-teststørrelsen er asymptotisk standard
normalfordelt - For små datasæt er t-teststørrelserne ikke
nødvendigvis tæt på en t-fordeling - Brug af ACOV optionen i SAS giver robust
kovariansmatrix. HCSE beregnes som kvadratroden
af diagonalelementer
11Test i modeller med heteroskedasticitet Flere
restriktioner
- Hypotese
- hvor er en (k1)x1 vektor af parametre, R er
en q x(k1) matrix og r er en q x1 vektor - Heterosk. robust F-test kan beregnes ud fra
robust kovariansmatrix - Heterosk. robust Wald test Wald-teststørrelsen
- Det er dette test som udføres ved brug af TEST
efter Proc Reg med ACOV optionen i SAS
12Eksempel Model for efterspørgsel efter
cigaretter (Ex. 8.7, SAS program på hjemmesiden)
OLS estimater. Afhængig variabel cigs. OLS estimater. Afhængig variabel cigs. OLS estimater. Afhængig variabel cigs. OLS estimater. Afhængig variabel cigs.
Est. Std.err Robust std. Err
Const -3.640 24.079 25.505
Lincome 0.880 0.728 0.593
Lprice -0.751 5.773 6.009
Educ -0.502 0.167 0.162
Age -0.771 0.160 0.138
Age2 -0.0090 0.0017 0.0015
Rest -2.825 1.112 1.004
13Eksempel Hypoteseprøvning
- Hypotese Ingen indkomsteffekt
- Alm. t-teststørrelse
- Robust t-teststørrelse
- Robust Wald test (TEST efter ACOV)
- Hypotese Ingen alderseffekt
- Robust Wald test (TEST efter ACOV)
14Heteroskedasticitets-robust LM test
- Model
- Hypotese Ingen alderseffekt
- Trin 1 Estimer restrikterede model med OLS
- og gem residualerne
- Trin 2 Estimer flg. hjælperegressioner med OLS
- og gem residualerne
15Heteroskedasticitets-robust LM test
- Trin 3 Dan et nyt sæt af variabler
- Trin 4 Estimer flg. hjælperegression med OLS
(uden konstantled) - LM-teststørrelsen er givet ved n-SSR fra
ovenstående regression - LM testet er asymptotisk fordelt som
med q2 - Eksemplet n807, SSR764.70
- LM807-764.7042.30
16Hvornår forekommer heteroskedaticitet i praksis?
- Data består af størrelsesmæssigt meget heterogene
enheder Virksomheder, lande, skoler - Data består af gennemsnit over forskellige antal
observationer - Per capita værdier for forskellige lande
- Gennemsnit for forskellige kommuner eller skoler
- Forkert funktionel form
- Hvis variansen på fejlleddet vokser med den
afhængige variabel kan problemet nogen gange
løses ved at lave en transformation med
logaritmen - Lineær sandsynlighedsmodel
- Heteroskedasticitet knytter sig til den enkelte
model og det enkelte datasæt
17Hvordan tester man for heteroskedasticitet?
- Antag følgende model
- hvor antagelserne MLR.1-MLR.4 er opfyldt
- Hypotese
- Alternativ formulering af hypotesen
- Hvis hypotesen er forkert er
en funktion af xerne Heteroskedasticitet - Bemærk Systematikken er i variansen på
fejlleddet, ikke i middelværdien (givet at MLR.4
holder).
18Test for heteroskedasticitet
- Grafiske test
- Estimer modellen med OLS og gem residualerne
- Plot residualerne (eller de kvadrerede
residualer) mod - Forskellige forklarende variable Kandidater er
skalavariabler, fx omsætning (virksomheder),
indkomst (individer/husholdninger) - Den forudsagte værdi af den afhængige variabel
- Se efter systematiske mønstre i spredningen af
residualerne - Variansen vokser i den variabel, der plottes
imod Trompet - Variansen aftager i den variabel, der plottes
imod Omvendt trompet - Varsom med at overfortolke, når der er forskel i
datatæthed.
19Test for heteroskedasticitet Breusch-Pagan
- Hvis man antager en simpel lineær relation
- svarer nulhypotesen om homoskedasticitet til
- Denne hypotese kan testes ved at erstatte de
sande fejlled med OLS residualerne - Testet udføres enten som et F-test eller et LM
test - For store datasæt vil F og LM test have de
sædvanlige fordelinger selvom man har erstattet
de sande fejlled med OLS residualerne
20Test for heteroskedasticitet
- Regressionen () udføres og R2u for denne
regression noteres - F-teststørrelsen er givet ved
- Teststørrelsen er approx. F(k,n-k-1)-fordelt
under nul- hypotesen (homoskedasticitet) - LM teststørrelsen
21Test for heteroskedasticitet
- Specialtilfælde af BP-testet
- Hvis man mistænker, at variansen kun afhænger af
en bestemt variabel. - Testet udføres ved at regressere de kvadrerede
residualer på den pågældende variabel. - Bemærk at antallet af frihedsgrader er ændret for
både F-testet (antal frihedsgrader 1,n-1-1) og
LM testet ( ) - Alternativt test Whites test for
heteroskedasticitet - Betingelsen kan
erstattes af svagere betingelse - skal være ukorreleret med alle forklarende
variable, de forklarende variable i anden og alle
krydsprodukterne
22Test for heteroskedasticitet Whites test
- Antag vi har en model med k3
- Hjælperegressionen for Whites test
- NB 9 forklarende variable
- Hypotese
- Teststørrelsen findes som et LM test
23Test for heteroskedasticitet Whites test
- Forenklet Whites test Hjælperegression
- Hypotese
- Testet konstrueres som
- Fordelen ved dette test er at antallet af
frihedsgrader er lavere - Whites test har asymptotisk gyldighed og er
altså bedst for store datasæt
24Test for heteroskedasticitet
- Hjemmeopgave Udfør test for heteroskedasticitet
for cigareteksemplet - Grafiske test Er der tegn på at variansen
afhænger fx af indkomst eller alder? - BP, Whites test
- Husk alle disse test er udledt under forudsætning
af, at antagelserne MLR.1-MLR.4 er opfyldt - Hvis antagelse MLR.4 ikke er opfyldt kan man få
at test for homoskedasticitet bliver afvist
selvom antagelsen MLR.5 er opfyldt - Så afvisning af homoskedasticitet skal skyldes
mere generelle former for misspecifikation
Kapitel 9
25NBer
- Antagelserne MLR.1- MLR.4, som sikrer at OLS
middelret og konsistent, vedrører ikke variansen
på fejlleddet. - Heteroskedasticitet betyder systematik i
variansen på fejlleddet, ikke i middelværdien
(givet at MLR.3 holder). - Gyldige hypotesetest kan baseres på den robuste
kovariansmatrix for OLS estimatoren, selvom der
er heteroskedasticitet.
26Næste gang
- Fredag den 27. oktober. NB lokale CSS 22.01.19
- Heteroskedasticitet Kapitel 8.3-8.5
- Estimatorer der tager højde for
heteroskedasticitet - Weighted Least Squares (WLS)
- Generalized Least Squares (GLS)
- Husk eksamenstilmelding!