加权最小二乘法(WLS).doc

加权最小二乘法(WLS)如果模型被检验证明存在异方差性，则需要发展新的方法估计模型，最常用的方法是加权最小二乘法。加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。下面先看一个例子。原模型：，如果在检验过程中已经知道：,即随机误差项的方差与解释变量之间存在相关性，模型存在异方差。那么可以用去除原模型，使之变成如下形式的新模型：在该模型中，存在(4.2.1)即同方差性。于是可以用普通最小二乘法估计其参数，得到关于参数的无偏的、有效的估计量。这就是加权最小二乘法，在这里权就是。一般情况下，对于模型(4.2.2)若存在：(4.2.3)则原模型存在异方差性。设,用左乘(4.2.2)两边，得到一个新的模型：(4.2.4)即该模型具有同方差性。因为于是，可以用普通最小二乘法估计模型(4.2.4)，得到参数估计量为：(4.2.5)这就是原模型(2.6.2)的加权最小二乘估计量，是无偏的、有效的估计量。如何得到权矩阵W？仍然是对原模型首先采用普通最小二乘法，得到随机误差项的近似估计量，以此构成权矩阵的估计量，即(4.2.6)当我们应用计量经济学软件包时，只要选择加权最小二乘法，将上述权矩阵输入，估计过程即告完成。这样，就引出了人们通常采用的经验方法，即并不对原模型进行异方差性检验，而是直接选择加权最小二乘法，尤其是采用截面数据作样本时。如果确实存在异方差性，则被有效地消除了；如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法。