违背经典假设的回归模型异方差性序列相关性多重共线性随机解释变量模型设定误差1第11 章 异方差 （方差非齐性） 一、方差非齐性的概念 二、实际中的异方差性三、异方差性的后果 四、异方差性的检验 五、异方差的解决加权最小二乘法（WLS ） 2方差非齐性的概念 经典线性回归分析的一个基本假设是：回归模型中随机误差项的方差为常数，即这一假设称为方差齐性假定或同方差性假定。3如 果 回 归 模 型 中 的 随 机 误 差 项 的 方 差 不 是常数，即对 于 不 同 的 样 本 点 ， 随 机 误 差 项 的 方 差 不再 是 常 数 ， 则 称 随 机 误 差 项 的 方 差 非 齐性或为异方差。4实际中的异方差性 情形之一：随机误差项的方差是随着某一个解释变量观测值的变化而呈现规律性的变化；例如，越来越小，边错边改学习模型在学习过程中行为误差随时间而减少；随着收入的增加，储蓄的变异越来越大； 情形之二：数据采集技术的改进带来差错率的减小；5 情形之三：回归模型的设定不正确，如遗漏了重要变量； 情形之四：因为存在异常值； 最常见情形：采用截面数据作样本的经济计量学问题，由于在不同样本点上解释
