Breusch-Pagan 检验

Breusch-Pagan 检验 (Breusch-Pagan Test)

Breusch-Pagan 检验（Breusch-Pagan Test，简称 BP 检验）是计量经济学中检测线性回归模型异方差性的经典方法，由澳大利亚统计学家 Trevor Breusch 和 Adrian Pagan 于 1979 年提出。异方差性违反普通最小二乘法（OLS）的同方差假设，导致 OLS 估计量虽仍无偏但不再有效，标准误出现偏误，进而使t检验和F检验失效。BP 检验提供了一种拉格朗日乘数（Lagrange Multiplier, LM）框架下的系统诊断方法。

检验原理与假设

考虑线性回归模型 $y_i = \mathbf{x}_i'\boldsymbol{\beta} + \epsilon_i$，其中 $\mathbb{E}[\epsilon_i \mid \mathbf{x}_i] = 0$。原假设 $H_0$ 为同方差：$\operatorname{Var}(\epsilon_i \mid \mathbf{x}_i) = \sigma^2$ 对所有 $i$ 成立。备择假设设定方差依赖于外生变量 $\mathbf{z}_i$（通常为原始回归元的子集或函数变换）：

$h(\cdot)$ 为可微函数，常用 $h(\cdot) = \exp(\cdot)$ 确保方差为正。检验实质是检验 $\boldsymbol{\alpha} = \mathbf{0}$：若除截距外均为零则方差退化为常数。BP 检验属 LM 检验族，只需在零假设下估计模型，无需备择假设下的复杂极大似然估计。

检验步骤

第一步：对原模型 OLS 回归，得残差 $\hat{\epsilon}_i = y_i - \mathbf{x}_i'\hat{\boldsymbol{\beta}}$。

第二步：计算残差方差 $\hat{\sigma}^2 = \frac{1}{n}\sum_{i=1}^{n} \hat{\epsilon}_i^2$（分母用 $n$ 而非 $n-k$，为 LM 检验要求），构造标准化平方残差 $g_i = \hat{\epsilon}_i^2 / \hat{\sigma}^2$。

第三步：将 $g_i$ 对 $\mathbf{z}_i$（含截距）做辅助 OLS 回归 $g_i = \mathbf{z}_i'\boldsymbol{\alpha} + v_i$，获得解释平方和 $SS_{\text{exp}}$。

第四步：计算 LM 统计量：

其中 $R^2_g$ 为辅助回归的决定系数。在 $H_0$ 下 $LM \xrightarrow{d} \chi^2(p)$，$p$ 为 $\mathbf{z}_i$ 排除截距后的维度。若 $LM > \chi^2_{1-\alpha}(p)$，则在显著性水平 $\alpha$ 下拒绝同方差，判定存在异方差。

Koenker 学生化版本

原始 BP 检验依赖误差正态性假设，偏离正态时易出现水平扭曲。Koenker（1981）提出学生化（studentized）稳健版本，将辅助回归因变量替换为 $g_i^{\text{robust}} = \hat{\epsilon}_i^2 / \tilde{\sigma}^2 - 1$，其中 $\tilde{\sigma}^2$ 为平方残差的样本方差。相应的 $nR^2$ 仅要求四阶矩有限即渐近 $\chi^2(p)$。多数计量软件（Stata 的 \texttt{estat hettest}、R 的 \texttt{lmtest::bptest}）默认采用此稳健版本。

与其他检验的比较

White 检验更一般化（允许任意二次形式）但自由度消耗大；Goldfeld-Quandt 检验适用于单调型异方差但需预知排序方向；ARCH-LM 检验专攻时间序列条件异方差。BP 检验在截面数据通用诊断中最为常用，自由度消耗经济。特别地，BP 检验与 White 检验的关系类似于定向检验与全向检验：BP 效率更高（若 $\mathbf{z}_i$ 选择正确），White 更自动但功效分散。

应用与注意事项

BP 检验广泛用于劳动经济学、教育经济学和健康经济学等实证领域，诊断异方差以决定是否采用稳健标准误或加权最小二乘法（WLS）。应用要点：第一，优先使用 Koenker 版本以避免正态性假设；第二，检验功效取决于 $\mathbf{z}_i$ 的正确选择——遗漏关键变量可能导致检验失效；第三，大样本下 BP 检验可能过于敏感，轻微异方差也倾向拒绝 $H_0$，应结合残差图和经济意义综合判断。尽管存在局限，BP 检验凭借简洁构造和清晰渐近理论，仍是异方差诊断的基准工具。