更多CFA官方教材詳解，請關注“邊際實驗室”。
“邊際實驗室”是一家專注於金融科技、金融大數據領域的工作室，同時提供CFA、FRM等金融考試內容的免費講解。
由於條件異方差性對結果的影響，分析是必須能夠判斷其存在。 Breusch-Pagan檢驗是常用語金融研究的判斷方法。
Breusch和Pagan（1979）檢驗使用以下檢驗：從迴歸方程中對自變量的殘差平方進行迴歸。如果條件異方差不存在，則自變量將無法解釋殘差平方的大部分變化。但是，如果迴歸中存在條件異方差，則自變量將解釋殘差平方的很大一部分變化，因為如果自變量影響誤差的方差，則每個觀測值的平方殘差將與自變量相關。
Breusch和Pagan證明，在沒有條件異方差的原假設下，nR2（原始迴歸的自變量殘差平方的迴歸）將是，自由度等於自變量數量n的χ2隨機變量。因此，原假設指出迴歸的殘差平方與自變量不相關。備擇假設指出殘差平方與自變量相關。以下案例說明了針對條件異方差的Breusch-Pagan檢驗。
案例 利率與預期通貨膨脹率之間關係的條件異方差檢驗
假設一位分析師想知道名義利率與預期通貨膨脹之間的關係，以確定如何在固定收益投資組合中分配資產。為此，該分析師想檢驗費雪效應，歐文·費雪提出的假設是，預期通貨膨脹率每增加1個百分點，名義利率就會增加1個百分點。費雪效應假設名義利率與實際利率、預期的通貨膨脹之間存在以下關係：
i = r + πe
其中：
i =名義利率
r =實際利率（假定保持不變）
πe=預期通貨膨脹率
為了使用時間序列數據測試費雪效應，我們可以指定以下回歸模型：
it = b0 + b1 πte + εt
注意費雪效應預測通貨膨脹變量的係數為1，我們可以將原假設和備擇假設描述為
H0：b1 = 1
Ha：b1 ≠ 1
我們為檢驗指定0.05的顯著性水平。在估算上述方程之前，我們必須討論如何得到預期的通貨膨脹（πte）和名義利率（it）數據。
專業預報員調查收集了專業預報員季度通脹預期的數據。我們將這些數據用作預期通脹的度量。我們使用三個月的國庫券收益率作為我們衡量名義利率的指標。我們使用1968年第四季度至2013年第四季度的季度數據。
下圖顯示了迴歸結果。
為了得出數據是否支持費雪效應的統計決策，我們計算了t統計量，然後將其與臨界值進行比較。
在0.05顯著性水平和181−2 = 179個自由度下，t臨界值約為1.97。如果我們進行了有效的檢驗，我們可以在0.05的顯著性水平上拒絕迴歸中係數為1，即費雪效應成立的假設。t檢驗假設誤差是同方差的。因此，在我們接受t檢驗的有效性之前，我們應該檢驗這些錯誤是否是條件異方差的。如果這些錯誤被證明是有條件異方差的，那麼這個檢驗就是無效的。
我們可以對上述迴歸的殘差平方進行條件異方差的Breusch-Pagan檢驗。該檢驗對預測通貨膨脹率的殘差平方進行迴歸。殘差平方迴歸中的R2（圖表中未標出）是0.0666。本次迴歸的檢驗統計量nR2為181×0.0666 = 12.0546。在原假設下，沒有條件異方差,檢驗統計量是一個χ2隨機變量與一個自由度（只有一個自變量）。
僅當檢驗統計量比較大時，才應考慮異方差性。因此，我們應該使用單尾檢驗來確定是否可以拒絕原假設。一個自由度的χ2分佈在0.05顯著性水平下檢驗統計量的臨界值為3.84。Breusch-Pagan檢驗的檢驗統計量為12.0546，因此我們可以在0.05水平上拒絕不存在條件異方差的假設。事實上，我們甚至可以拒絕0.01顯著性水平下不存在條件異方差的假設，因為在這種情況下，檢驗統計量的臨界值為6.63。因此，我們認為在對費雪效應的迴歸中，誤差項是條件異方差的。原迴歸計算的標準誤是不正確的，因為它們沒有考慮到異方差。
因此，我們不能接受t檢驗的結果。
在案例8中，我們得出結論，我們用來檢驗費雪效應的t檢驗是無效的。這是否意味著我們不能使用迴歸模型來研究費雪效應呢？為了解決這個問題，我們將介紹一種調整迴歸係數標準誤以修正異方差的方法。利用^b1調整後的標準誤，我們可以重新進行t檢驗。我們將在下面的課程介紹，使用該方法後的t檢驗不會拒絕以上原假設。
閱讀更多 邊際實驗室 的文章
