OLS回归(社会学研究称为线性回归),也称作最小二乘法回归。在计量经济学研究中,一般称之为OLS回归。OLS回归研究X对于Y的影响,在计量研究中,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,因而在OLS回归时需要对其进行检验,如果出现异方差问题则需要进行处理等。
关于异方差的检验上,SPSSAU提供两种检验方法,分别是怀特(White)异方差检验和BP检验,通常情况下我们使用怀特(White)异方差检验即可。另外,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。
Robust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。
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。从分析上看,它依然还是使用OLS回归方法进行,具体在案例里面会详细讲解。
SPSSAU操作如下: