个人技术分享

一、目的：本文介绍用 python 做怀特异方差一致稳健标准误估计的方法。

二、参考文献

可参考这位前辈的文章：【Python计量】异方差性的处理_回归模型存在异方差应该怎么处理-CSDN博客

三、数据

数据如下，来自潘省初、周凌瑶教授的《计量经济学（第7版）》第120页的实例中的数据。

四、模型与主要代码

这里主要展示了关键代码部分，其它代码略去。

在 smf 中，gls 可以替换为 ols，但由于 ols 是 gls 的特例，或者说 gls 是 ols 的广义化，个人习惯上用 gls。

代码中的 cov_type='HC0'，对应的就是怀特1980异方差稳健标准误方法。

import statsmodels.formula.api as smf

model=smf.gls("C~Y",data=df,sigma=None)
result=model.fit(cov_type='HC0')
print(result.summary())

得到的结果如下：

你可能会问，和潘、周两位教授的书上的结果不一样啊？

这里需要特别解释一下，书里用的是 Eviews 里的怀特异方差稳健标准误的结果，其实 Eviews 那里不是 "怀特1980异方差稳健标准误方法"，而是 "迈克金农-怀特1985异方差稳健标准误方法".当我们将上述代码中的 HC0 改为 HC1，就是"迈克金农-怀特1985异方差稳健标准误方法"了，得到的结果如下：