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')=σ21 ·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 ·变量的显著性检验中，构造了统计量 t卡pSa 它是建立在σ2不变而正确估计了参数方差 S房的基础之上的。 如果出现了异方差性，估计的S房出现偏误 (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
3、模型的预测失效 一方面，由于上述后果，使得模型不具 有良好的统计性质； 另一方面，在预测值的置信区间中也 包含有参数方差的估计量S。 所以，当模型出现异方差性时，参数 OLS估计值的变异程度增大，从而造成对Y 的预测误差变大，降低预测精度，预测功能 失效
3、模型的预测失效 一方面，由于上述后果，使得模型不具 有良好的统计性质； 所以，当模型出现异方差性时，参数 OLS估计值的变异程度增大，从而造成对Y 的预测误差变大，降低预测精度，预测功能 失效
三、异方差性的检验 Detection of Heteroscedasticity
三、异方差性的检验 Detection of Heteroscedasticity
1、检验思路 ·检验方法很多 Graphical Method Formal Metrods -Park Test -Glejser Test Spearman's Rank Correlation Test Goldfeld-Quandt Test Breusch-Pagan-Godfrey Test White's General Heteroscedasticity Test Koenker-Bassett Test
1、检验思路 • 检验方法很多 • Graphical Method • Formal Metrods – Park Test – Glejser Test – Spearman’s Rank Correlation Test – Goldfeld-Quandt Test – Breusch-Pagan-Godfrey Test – White’s General Heteroscedasticity Test – Koenker-Bassett Test