Breusch-Pagan Test

Breusch-Pagan Test (Breusch-Pagan检验)

Breusch-Pagan检验（Breusch-Pagan Test）是计量经济学中用于检测线性回归模型中是否存在异方差性的一种统计检验方法。该检验由Trevor Breusch和Adrian Pagan于1979年提出，与White检验同属于最广泛使用的异方差检验工具。Breusch-Pagan检验的核心思想是检验回归残差的方差是否依赖于一个或多个解释变量，即检验误差项方差是否为常数的同方差性零假设。与White检验相比，该检验对异方差的函数形式有更明确的参数化设定，因此在小样本下通常具有更高的检验功效。

检验原理与假设

标准线性回归模型 $y_i = \mathbf{x}_i'\boldsymbol{\beta} + \epsilon_i$ 中，同方差性假设要求 $\operatorname{Var}(\epsilon_i|\mathbf{x}_i) = \sigma^2$，即所有误差项具有相同方差。Breusch-Pagan检验将异方差建模为解释变量的线性函数：

其中 $\mathbf{z}_i$ 是可能包含原模型部分或全部解释变量的向量（通常 $\mathbf{z}_i$ 是 $\mathbf{x}_i$ 的线性变换或子集），$h(\cdot)$ 为某一连续函数，最常用的是线性形式 $h(t) = t$。Breusch-Pagan检验的零假设和备择假设分别为：

原Breusch-Pagan检验假定误差项服从正态分布，基于此推导出拉格朗日乘数（Lagrange Multiplier, LM）检验统计量。该统计量服从卡方分布，自由度为 $\mathbf{z}_i$ 中变量个数（不包括截距）。检验统计量为 $LM = nR^2$，其中 $n$ 为样本量，$R^2$ 为将OLS残差的平方 $\hat{\epsilon}_i^2$ 对 $\mathbf{z}_i$ 回归所得的拟合优度。

检验步骤与Koenker改进

Breusch-Pagan检验的标准实施步骤为：首先用普通最小二乘法（OLS）估计原回归模型 $y_i = \mathbf{x}_i'\boldsymbol{\beta} + \epsilon_i$，获得残差 $\hat{\epsilon}_i$。其次计算残差的平方 $\hat{\epsilon}_i^2$ 并估计 $\hat{\sigma}^2 = \sum \hat{\epsilon}_i^2 / n$。然后将标准化后的残差平方 $\hat{\epsilon}_i^2 / \hat{\sigma}^2$ 对 $\mathbf{z}_i$ 进行辅助回归，获得该辅助回归的残差平方和 $\text{SSE}$。最后计算LM统计量 $LM = \frac{1}{2}(\text{SST} - \text{SSE})$，其中 $\text{SST}$ 为标准化残差平方的总变异（等价于 $nR^2$），在大样本下 $LM \sim \chi^2_p$（$p$ 为 $\mathbf{z}_i$ 中除截距外的自变量个数）。若LM统计量超过临界值，拒绝同方差性零假设，表明数据存在异方差性，需采用加权最小二乘法（WLS）或稳健标准误等方法来修正。

Koenker在1981年提出了Breusch-Pagan检验的学生化改进版本，放松了误差项正态性的强假设。Koenker版本用学生化残差替代原始残差，构造的检验统计量仍渐近服从卡方分布，但在非正态情形下更为稳健。实际应用中，多数统计软件（如Stata的estat hettest命令、R的lmtest包的bptest函数）默认输出的即为Koenker的学生化版本。当样本量较小或误差分布显著偏离正态时，应优先使用学生化版本以免出现检验水平失真。

局限性与应用

Breusch-Pagan检验的主要局限性在于其对异方差函数形式的参数化假设。该检验仅能检测方差为 $\mathbf{z}_i$ 的线性函数或特定非线性函数形式的异方差，若真实异方差结构与该参数化形式差异过大（例如呈U型波动），检验功效可能大幅下降。相比之下，White检验无需设定异方差的特定函数形式，更适合于不确定异方差结构的情形，但在解释变量较多时需估计大量参数导致自由度成本较高。在实践中，Breusch-Pagan检验因其简洁性和明确的经济学解释被广泛用于截面数据分析中，与残差图联合使用可对异方差的存在和可能来源提供全面诊断。若检验拒绝同方差性零假设，研究者应报告异方差稳健标准误或改用加权最小二乘法（WLS）进行估计，以确保参数显著性的统计推断的有效性。