例4.1.2：以绝对收入假设为理论假设、以截面数 据为样本建立居民消费函数： C-Bo+B Yi+L 将居民按照收入等距离分成组，取组平均数为样 本观测值。 ·一般情况下，居民收入服从正态分布：中等收入 组人数多，两端收入组人数少。而人数多的组平均 数的误差小，人数少的组平均数的误差大。 样本观测值的观测误差随着解释变量观测值的不 同而不同，往往引起随机项的异方差性，且呈U形
例4.1.2: 以绝对收入假设为理论假设、以截面数 据为样本建立居民消费函数： Ci=0+1Yi+I 将居民按照收入等距离分成n组，取组平均数为样 本观测值。 • 一般情况下，居民收入服从正态分布：中等收入 组人数多，两端收入组人数少。而人数多的组平均 数的误差小，人数少的组平均数的误差大。 样本观测值的观测误差随着解释变量观测值的不 同而不同，往往引起随机项的异方差性，且呈U形
例4.1.3：以某一行业的企业为样本建立企业生产函 数模型 Y=AB1 KB2LB3eHl 被解释变量：产出量Y,解释变量：资本K、劳动L、 技术A。 ·每个企业所处的外部环境对产出量的影响被包含 在随机误差项中。 对于不同的企业，它们对产出量的影响程度不同， 造成了随机误差项的异方差性。 随机误差项的方差并不随某一个解释变量观测值 的变化而呈规律性变化，呈现复杂型
例4.1.3: 以某一行业的企业为样本建立企业生产函 数模型 Yi=Ai 1 Ki 2 Li 3e I 被解释变量：产出量Y，解释变量：资本K、劳动L、 技术A。 • 每个企业所处的外部环境对产出量的影响被包含 在随机误差项中。 对于不同的企业，它们对产出量的影响程度不同， 造成了随机误差项的异方差性。 随机误差项的方差并不随某一个解释变量观测值 的变化而呈规律性变化，呈现复杂型
二、异方差性的后果 Consequences of Using OLS in the Presence of Heteroskedasticity
二、异方差性的后果 Consequences of Using OLS in the Presence of Heteroskedasticity
1、参数估计量非有效 ·0LS估计量仍然具有无偏性，但不具有有效性。 ·因为在有效性证明中利用了E(μμ)=σ2I ·而且，在大样本情况下，尽管参数估计量具有 一致性，但仍然不具有渐近有效性
1、参数估计量非有效 • OLS估计量仍然具有无偏性，但不具有有效性。 • 因为在有效性证明中利用了E(’)=2 I • 而且，在大样本情况下，尽管参数估计量具有 一致性，但仍然不具有渐近有效性
2、变量的显著性检验失去意义 0 变量的显著性检验中，构造了统计量 FBISa 它是建立在σ2不变而正确估计了参数方差 S的基础之上的。 如果出现了异方差性，估计的S出现偏误 (偏大或偏小)，t检验失去意义。 ·其他检验也是如此
2、变量的显著性检验失去意义 • 变量的显著性检验中，构造了t统计量 • 其他检验也是如此