特殊情形下线性模型异方差性的LM检验
2011-09-11郭彩霞
郭彩霞
(山西大同大学数学与计算机科学学院,山西大同 037009)
特殊情形下线性模型异方差性的LM检验
郭彩霞
(山西大同大学数学与计算机科学学院,山西大同 037009)
考虑了特殊情形下具有异方差性的线性模型。首先导出了在模型中当异方差为线性函数时异方差检验的LM检验统计量及其性质,然后举例说明其有效性。
回归分析;异方差性;LM检验
通常的回归模型[1-3]都假设随机误差变量是独立同分布的。对参数进行假设检验通常的方法有:Wald方法,似然比方法,拉格朗日乘子法[4-10]。本文提出了当异方差为线性函数时异方差性检验的LM检验统计量,检验法,即拉格朗日乘子法。它的应用面很广。最后举例说明该方法的功效。
1 LM检验法
考虑如下线性回归模型:

响应变量Y=(y1,…,yn)T协变量Xi=(1,Xi1,…,Xip-1)T待估参数β=(β0,β1,…,βp-1)T随机误差ε=(ε1,…,εn)T协方差阵Σ的主对角元素(i=1,…,n)都大于零且不全相等,其余元素全为零。称模型(1)具有异方差性。
模型(1)是否具有异方差性即为如下统计假设检验:

σ2为误差独立同分布时的方差。假定具有如下形式:

其中σ(·)是一个可微函数,σ(α0)>0且σ′(α0)>0,α0和α=(α1,…,αq)T为待估参数,Zi=(zi1,…,ziq)T,q=1,…p-1为影响方差εi变化的因素。

此时对于模型(1),假设检验(2)又可表述为:

LM检验法是将零假设条件看成一个约束条件,通过对有约束的极大似然函数的一阶偏导数进行检验,对参数假设作出判断,记θ=(α0,α1,…,αq)T,=(θT,νT)T,ν=(β0,β1,…,βp-1)T,
考虑假设检验问题
H0∶hj()=0,j=1,…,k,k<p。
由(1)式可知,在备择假设H1下,Y关于参数的对数似然函数

定理1 记参数ν=(β0,β1,…,βp-1)′的极大似然估计为





若零假设H0成立,则的有约束极大似然估计H0近似于的无约束极大似然估计。……
