異分散性
統計學名詞
異分散性(英語:Heteroscedasticity),指的是一系列的隨機變量間的方差不相同,相對於同分散性(Homoscedasticity)。
當我們利用普通最小平方法進行迴歸估計時,常應用高斯-馬可夫定理。其中假設誤差項的方差是不變的,而異分散性是違反這個假設的。如果普通最小平方法應用於異分散性模型,會導致估計出的方差值是真實方差值的偏誤估計量,但是估計值是無偏的。[1]解決方法包括對數處理、修改模型、加權最小平方法、異分散性穩健的標準誤等。
計量經濟學家羅伯特·F·恩格爾因他對存在異分散性的迴歸分析的研究而獲得2003年諾貝爾經濟學獎,研究得出了自我迴歸條件異分散性模型(ARCH)。[2]
參考文獻
- ^ White, Halbert. A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity. Econometrica. 1980, 48 (4): 817–838. CiteSeerX 10.1.1.11.7646 . JSTOR 1912934. doi:10.2307/1912934.
- ^ Engle, Robert F. Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica. July 1982, 50 (4): 987–1007. ISSN 0012-9682. JSTOR 1912773. doi:10.2307/1912773.
這是一篇與統計學相關的小作品。您可以透過編輯或修訂擴充其內容。 |