heteroskedastic

異方差是計量經濟學中違背球形擾動項假設的情形，其核心表現為隨機擾動項的條件方差Var(ε|X)隨解釋變數取值發生系統性變動。該現象雖不影響普通最小二乘法（OLS）估計量的無偏性與一致性，但會導致估計標準誤失真，降低假設檢驗的可靠性。主流的檢驗方法包括殘差圖分析、BP檢驗和懷特檢驗，處理技術涵蓋穩健標準誤與加權最小二乘法等方法。

基本介紹

• 所屬學科：計量經濟學
• 核心定義：條件方差隨X變化
• 統計影響：破壞OLS有效性
• 常用檢驗：BP檢驗法
• 處理技術：穩健標準誤
• 教材來源：2024版《計量經濟學及Stata套用》

數學定義

異方差特指線性回歸模型$y=Xβ+ε$中，隨機擾動項的條件方差$Var(ε|X)$隨解釋變數矩陣X的不同取值呈現非恆定狀態。該性質區別於無條件方差$Var(ε)$恆定的一般假設，其數學表達式可表示為$Var(ε_i|x_i)=σ_i^2≠σ^2$，其中σ_i隨i變化。

統計影響

在異方差存在時，OLS估計量仍保持無偏性與一致性，但喪失有效性：

• 參數估計量方差公式$\hat{Var}(\hat{β})=(X'X)^{-1}X'ΩX(X'X)^{-1}$中Ω矩陣的非對角線元素不再恆為0
• 常規標準誤計算公式失效，導致t統計量$\hat{β_j}/se(\hat{β_j})$的分布偏離標準常態分配
• F檢驗使用的殘差平方和比值失去卡方分布特性

檢驗方法

殘差圖分析法

通過繪製擬合值$\hat{y}$或單個解釋變數$x_k$與殘差$e_i^2$的散點圖進行直觀判斷：

• 若散點呈現明顯趨勢性分布（如喇叭型、U型）則提示存在異方差
• 適用於小樣本初步篩查，但缺乏量化判斷標準

BP檢驗法

構造拉格朗日乘數檢驗統計量：

1. 建立輔助回歸模型$e_i^2=δ_1+δ2x{i2}+···+δKx{iK}+v_i$
2. 計算可決係數$R^2$並構造LM統計量$nR^2∼χ^2(K-1)$
3. 當統計量超過臨界值時拒絕同方差原假設

懷特檢驗法

在BP檢驗基礎上引入解釋變數的二次項與交叉項：

• 輔助回歸模型擴展為$e_i^2=δ_1+Σδjx{ij}+Σδ{jk}x{ij}x_{ik}+v_i$
• 適用於未明確異方差來源的情形，但自由度消耗較大

處理技術

穩健標準誤

通過修正參數協方差矩陣提升假設檢驗可靠性：

• 採用White協方差估計量$\hat{Var}(\hat{β})=(X'X)^{-1}(Σe_i^2x_ix_i')(X'X)^{-1}$
• 保持原有參數估計值，僅修正標準誤計算過程

加權最小二乘法

通過權重矩陣Ω構建最優線性無偏估計量：

1. 假設方差結構為$Var(ε_i)=σ^2h(x_i)$
2. 對模型兩邊同時除以$\sqrt{h(x_i)}$進行變換
3. 使用可行WLS法（FWLS）通過輔助回歸估計權重函式

實證套用

在Stata軟體環境中，完整處理流程包含：

• 使用命令生成殘差-擬合值圖
• 執行命令進行BP檢驗
• 採用選項計算穩健標準誤
• 通過與構造權重實施WLS回歸