方差齐性又称方差齐性、同方差性和方差一致性,被检验的各方差在给定显著性水平在统计上没有显著性差异。
同方差性是经典线性回归的重要假定之一,指总体回归函数中的随机误差项(干扰项)在解释变量条件下具有不变的方差。
计量经济学中, 一组随机变量具备同方差即指线性回归的最小二乘法的残值服从均值为0,方差为σ^2的正态分布,即其干扰项必须服从随机分布。与之相对应的异方差性则说明干扰项不满足此均值为0,方差为σ^2的正态分布。
扩展资料
在满足上述要求的前提下,OLS回归式的统计量才能够同时满足不偏性Unbaisedness和效率性Efficiency。所推定出来的线性回归式才能被称为最好的不偏线性统计量。
等方差性条件下不偏性和OLS斜率值的求证:
所有线性回归式可以表现为矩阵(Matrix)y=xβ+e 其中y为n*1, x为n*k, e为n*1。
根据OLS, S=∑e^2=∑e'*e. FOC β on S==> -2x'(y-βx)=0 ==> β=(x'x)^-1x'e=β+(x'x)^-1x'e
方差齐性也称同方差性,是总体回归函数中的随机误差项(干扰项)在解释变量条件下具有不变的方差。
计量经济学中,一组随机变量具备同方差即指线性回归的最小二乘法的残值服从均值为0,方差为σ^2的正态分布,即其干扰项必须服从随机分布。与之相对应的异方差性则说明干扰项不满足此均值为0,方差为σ^2的正态分布。
扩展资料:
误差项与独立变量之间相互独立, 并且误差项的分散必须等同,即Var(u|x)=σ^2;解释变量之间不存在多重共线性。
等方差性条件下不偏性和OLS斜率值的求证:
所有线性回归式可以表现为矩阵(Matrix)y=xβ+e,其中y为n*1,x为n*k, e为n*1。
根据OLS, S=∑e^2=∑e'*e. FOC β on S==> -2x'(y-βx)=0 ==> β=(x'x)^-1x'e=β+(x'x)^-1x'e
本回答被网友采纳