在社会科学中将OLS估计应用于回归模型时,其中的一个假设是同方差,我更喜欢常误差方差。
这意味着误差方差没有系统的模式,这意味着该模型在所有预测级别上都同样差。
可下载资源
完整代码、数据和文档(word)异方差性是同方差性的补充,不会使OLS产生偏差。如果您不像社会科学中的大多数人那样关心p值,那么异方差性可能不是问题。
计量经济学家已经开发出各种各样的异方差一致性标准误差,因此他们可以继续应用OLS,同时调整非恒定误差方差。这些更正的Wikipedia页面列出了这些替代标准错误所使用的许多名称。
我们提供了似然函数,并且两个函数都将找到使似然最大化的参数估计。
让我们来看一个简单的例子:
首先,我从均值3和标准差1.5的正态分布中提取500个观测值,并将其保存到数据集中:
dat Chisq) 1 3 347.98 2 4 288.14 59.841 1 1.028e-14 ***---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1似然比测试建议我们改进了模型,χ 2(1 )= 59.81 ,p < 0.001χ2(1个)=59.81,p|z|) (Intercept) 0.03386 0.10447 0.324 0.7458 treat 0.21733 0.11225 1.936 0.0528 .---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Dispersion model: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.08746 0.14142 0.618 0.536 treat -3.07179 0.29439 -10.434