精彩内容请关注211统计课堂
上期小统和大家一起了解了STATA数据处理技巧与计量分析的回归分析，这期小统和大家一起学习一下回归分析偏误处理。
{
偏误处理之一
模型设定
}
educ估计得到的系数为0.5414，表示受教育程度每增加一年，时薪增加0.5414美元。
Q：受教育年限，每增加一年更高层次的教育所带来薪酬的增加跟低层次教育所带来的薪酬增加一样吗？
A：答案是否定的！高层次教育所带来的时薪增长应该更快。也就是说，当educ越大时，时薪增长的幅度应该更大，所以这个问题就不再是一个线性问题了哦~
Q：那应该如何能保证，educ越大时，每增长一年，时薪增长的幅度越大？那OLS就无法用了吗？
A：很简单，做个对数转换就可以了啦~回顾一下弹性的概念，每增加一年的教育，时薪增长的百分比是一个常数，这样就解决了啦~
弹性：
微观经济学中，弹性表示当价格变动1%，所引起的需求量变动的百分比(需求弹性)或者供给量变动的百分比(供给弹性)。
计量经济学中弹性概念：一个变量变动的百分比
{
偏误处理之二
异方差
}
假定SLR.4 在给定X的条件下，随机干扰项具有零均值、同方差和不序列相关性
一般存在于截面数据
后果：
- OLS估计量依然是无偏、一致且渐近正态的，但是不具有有效性(方差最小)
- 系数t检验、F检验失效(构造的统计量用到了同方差的假设)
检验：
- 绘制残差图(残差项与拟合值的散点图呈均匀分布，表明不存在异方差)(不严谨)
- 怀特检验(White，1980) estat imtest,white
- BP检验(Breusch and Pagan,1979) estat hettest
结论： p值=0.0298，拒绝同方差的原假设，认为存在异方差
结论： p值=0.0187，拒绝同方差的原假设，认为存在异方差。
处理：
- 使用OLS+稳健标准误(常用)Stock and Watson(2011)推荐使用
- 广义最小二乘法(GLS)(更有效)
- 加权最小二乘法(WLS)(GLS的特例)
OLS+稳健标准误
目前通用、最简单的方法。只要样本容量较大，即使在异方差的情况下，使用稳健标准误以后，参数估计、假设检验均可照常进行。
加权最小二乘( WLS )
方差较小的数据提供的信息量较大，而方差较大的数据提供的信息量较小。WLS正是根据信息量的大小对数据进行加权处理的。 educ的系数从0.09提升到0.11，显著性不变。
