什么是异方差

• 什么是异方差

• 异方差产生的原因

• SPSSAU异方差的解决办法

什么是异方差

回归分析通常是被用来衡量变量之间的关系。在众多回归模型中，其中一项有关误差项的假设为对于所有观测值，模型误差项的方差应该为常量。然而，在实际应用中，由于测量误差，遗漏解释变量以及随机因素 的影响，误差项的方差通常不是常量，这种现象就称为异方差。计量研究中，异方差问题非常重要，严重的异方差问题会影响模型估计和模型检验等。

异方差产生的原因

• 测量误差；
  
• 模型中遗漏了某些重要的解释变量；
  
• 模型函数存在设定误差；
  

• 其它随机因素所造成的影响；

SPSSAU异方差的解决办法

处理异方差问题有三种办法，分别是数据处理、稳健标准误回归、FGLS回归（可行广义最小二乘法回归）。分别如下：

• 数据处理
  

针对连续且大于0的原始自变量X和因变量Y，进行取自然对数（或10为底对数）操作，如果是定类数据则不处理。取对数可以将原始数据的大小进行‘压缩’，这样会减少异方差问题。事实上多数研究时默认就进行此步骤处理，而不需要先异方差检验发现有异方差再进行处理。负数不能直接取对数，如果数据中有负数，研究人员可考虑先对小于0的负数，先取其绝对值再求对数，然后加上负数符号。操作路径：SPSSAU【数据处理】→【生成变量】；

• 稳健标准误回归
  

如果检验显示有异方差问题，可使用Robust稳健标准误回归法进行研究。此种研究方法是当前最为流行也最为有效的处理办法。操作路径：SPSSAU【计量经济学研究】→【OLS回归】；

• FGLS回归
  

如果发现有异方差问题，还可使用FGLS法进行分析，以处理异方差问题。FGLS是这样的一类思路，即对于残差值越大的点，给予越小的权重，从而解决异方差问题，FGLS回归事实上一系列数据处理的过程，并且它是一种思路。操作路径：SPSSAU【计量经济学研究】→【OLS回归】；具体可以参考帮助手册。