为什么存在异方差时变量的显著性检验失去意义

Question

如题所述

Answer 1

因为参数估计量的方差增大,所以t统计量值偏小,这样就容易将本来显著的变量判断为不显著,变量的显著性检验失去意义。

多个变量的异方差检验要分别检验。当含有多个解释变量时，应以每一个解释变量为基准检验异方差。异方差一般指异方差性。异方差性是相对于同方差而言的。

所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。

异方差性（heteroscedasticity ）是相对于同方差而言的。所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。

如果这一假定不满足，即：随机误差项具有不同的方差，则称线性回归模型存在异方差性。

若线性回归模型存在异方差性，则用传统的最小二乘法估计模型，得到的参数估计量不是有效估计量，甚至也不是渐近有效的估计量；此时也无法对模型参数的进行有关显著性检验。
对存在异方差性的模型可以采用加权最小二乘法进行估计。

在此检测中，原假设为：回归方程的随机误差满足同方差性。对立假设为：回归方程的随机误差满足异方差性。判断原则为：如果nR^2>chi^2 (k-1），则原假设就要被否定，即回归方程满足异方差性。