Eviews异方差性实验报告.docx
《Eviews异方差性实验报告.docx》由会员分享,可在线阅读,更多相关《Eviews异方差性实验报告.docx(16页珍藏版)》请在冰点文库上搜索。
Eviews异方差性实验报告
实验一异方差性
【实验目的】
掌握异方差性问题出现的来源、后果、检验及修正的原理,以及相关的
Eviews操作方法。
【实验内容】
以《计量经济学学习指南与练习》补充习题4-16为数据,练习检查和克服
模型的异方差的操作方法。
【4-16】表4-1给出了美国18个行业1988年研究开发(R&D)费用支出丫与销售收入X的数据。
请用帕克(Park)检验、戈里瑟(Gleiser)检验、G-Q检验与怀特(White)检验来检验丫关于X的回归模型是否存在异方差性?
若存在异方差性,请尝试消除它。
表4-1单位:
百万美元
序号
研究开发费用丫
销售收入X
1
62.5
6375.3
2
92.9
11626.4
3
178.3
14655.1
4
258.4
21869.2
5
494.7
26408.3
6
1083.0
32405.6
7
1620.6
35107.7
8
421.7
40295.4
9
509.2
70761.6
10
6620.1
80522.8
11
3918.6
95294.0
12
1595.3
101314.1
13
6107.5
116141.3
14
4454.1
122315.7
15
3163.8
141649.9
16
13210.7
175025.8
17
1703.8
230614.5
【实验步骤】
一■检查模型是否存在异方差性
1、图形分析检验
(1)散点相关图分析
做出销售收入X与研究开发费用丫的散点相关图(SCATX丫)。
观察相关图可以看出,随着销售收入的增加,研究开发费用的平均水平不断提高,但离散程度也逐步扩大。
这说明变量之间可能存在递增的异方差性。
14,000
12,000-
10,000-
e.ooo-
6,000-
2,000-
050,000100,000150,000200.000250,000
(2)残差图分析
首先对数据按照解释变量X由小至大进行排序(SORTX),然后建立一元线性回归方程(LS丫CX)。
Dependentvariable:
Y
Method:
LeastSquares
Date:
12/06/11Time:
23:
08
Sample:
117
Includedobseivations:
17
Variable
CoEfficient
Std.Errort-StallStic
Prob
C
187.5068
1106.6810.169432
0.8677
X
0.031993
0.0111112879358
0.0115
R-squared
0.355966
Meandependentvar
2676.188
AdjustedR-squared
0.313031
S.D.dependentvar
3438.207
S.E.ofregression
2849711
AkaikeInfocriterion
13.85795
Sumsquaredresid
122E+O0
Schwarzcriterion
18.95698
Loglikelihood
-158.2926
Hannan-Quinncriter.
18.86770
F-statistic
8.290703
Durbin-Watsonstat
2.738533
Prob(F-statistic)
0.011464
因此,模型估计式为:
丫=187.5070.032*X(*)
2
(0.17)(2.88)R2=0.31s.e.=2850F=0.011
建立残差关于X的散点图,可以发现随着X增加,残差呈现明显的扩大趋势,表明存在递增的异方差。
8,0006.000・
4.000-
2.000-
-4,000-
*e(ooo1111_7
050,000100,000150,000200.000250.000
2、Park检验
建立回归模型(LS丫CX),结果如(*)式。
生成新变量序列:
GENRLNE2=LOG(RESIDT)
GENRLNX=LOG(X)
生成新残差序列对解释变量的回归模型(LSLNE2CLNX)。
从下图所示的回归结果中可以看出,LNX的系数估计值不为0且能通过显著性检验,即随机误差项的方差与解释变量存在较强的相关关系,即认为存在异方差性。
DependentVariable:
LNE2
Method:
LeastSquares
Date:
12/04/11Tme:
13:
27
Sample:
117
Includedobservations:
17
Variable
Coefficient
StdErrort-Statistic
Prob
C
-2.547273
4.379817-0.581593
0.5695
LNX
1.501957
0.4019423.736500
00020
R-squared
0482070
Meandependentvar
13.74855
AdjustedR-squared
0447541
8,0.dependentvar
2.234574
SE.ofregrEssion
1,660905
Akaikeinfocriterion
3962733
SumsquaredresiJ
41.37907
Schwarzcriterion
<060758
Loglikelihood
-31.68323
Hannan-Quinncriter
3.972477
F-statistic
13.96143
Durbin-Watsonstat
1.585766
ProbfF-statistic)
0.001985
3、Gleiser检验
建立回归模型(LS丫CX),结果如(*)式。
生成新变量序列:
GENRE=ABS(RESID)
11
分别建立新残差序列E对各解释变量X/X2/X°/X」/X的回归模型(LSECX),回归结果如各图所示。
DependentVariable:
E
Method:
LeastSquares
Date:
12/04/11Time:
13:
38
Sample:
111
Includedobservations:
11
Variable
Coefficient
StdErrort-Statistic
Prob
C
■221.7507
530.9000-0.417688
0.6821
X
0025279
0.0053304742535
0.0003
R-squareJ
0.599911
Meandependentver
1744.661
AdjustedR-squared
0.573238
8.D.dependentvar
2092658
S.E.ofregression
1367.071
AkaikeInfocriterion
1738836
Sumsquaredresid
29033236
Schwarzcriterion
1748688
Loglikelihood!
-145.8053
Hannan-Quinncriter.
17.39860
F-statistic
22.49164
Durbin-Watsonstat
1996727
Probf^-statistlc)
0000262
DependentVariable:
E
Method:
LeastSquares
Date:
12/04/11Time:
13:
40
Sample:
117
Includedobsen/ations:
17
Variable
Coefficient
Std.Errort-Statistic
Prob
C
571.7499
393.641914524S2
01670
XA2
1.18E-07
2.33B085066158
0.0001
R-squared
0.631141
Meandependentvar
1744.601
AdjustedR-squared
0.606550
sDdependentvar
2092.658
SEofregression
1312.631
Akaikeinfocriterion
17.30759
Sumsquaredresid
25845008
Schwarzcriterion
17.40561
Loglikelihood
-145J145
Hannan-Quinncriter.
17.31733
F-statistic
25.06595
Durbin-Watsonstat
2352964
Prob(F-statistic)
0.000139
Variable
Coefficient
StdErrort-Statistic
Prob.
C
-1549.666
886.3806-1.748291
0.1008
XA(1/2)
12.03536
3.1781184.070131
0.0010
F?
-squared
0.524806
Meandependentvar
1744.651
AdjustedR-squared
0.493125
S.D.dependentvgr
2092.658
3.E,ofregression
1489.871
Akaikeinfocriterion
17.56090
Sumsquaredresid
33295728
Schwarzcriterion
17.65892
Loglikelihood
-147.2676
Hannan-Quinncriter.
1757064
F-statistic
1656597
Durbin-Watsonstat
1.669125
Prob(F-statistic)
0,001005
DependentVariable:
E
Method:
LeastSquares
Date:
12/04/11Time:
13:
42
Sample:
117
Includedobservations:
17
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
2486.309
625.55473.975525
0.0012
XA(-1)
^22546018
12385595-1820342
0.0887
R-squared
0.180939
Meandependentvar
1744.661
AdjustedR-squared
0126334
S.D.dependentvar
2092.658
S.Eofresressiori
1956.009
Akaikeinfocriterion
18.10533
Sumsquaredresid
57389553
Schwarzcriterion
18.20336
LoglikBiihood
-151.8953
Hannan-Quinncriter
18.11507
F-statistic
3.313645
Durbin-Watsonstat
1.052473
Prob(F-statistic)
0088716
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
1995.141
54S.74453.635830
0.0024
Xrt(-2)
-9.82E+10
8.61E+10-1.140186
0.2721
R-squared
0.079756
Meandependentvar
1744.601
AdjustEdR-squared
0.018406
SO.dependentvar
2092.658
S.E.ofregression
2073.309
Akaikeinfocriterion
18.22181
Sumsquaredresid
64479157
Schwarzcriterion
10.31984
Loglikelihood
■152.8854
Hannan-Quinncriter
18.23155
F-statistic
1.300025
Durbiin-Watsonstat
0944698
Prob(F-statistic}
0.272088
DependentVariable.EMethod:
LeastSquaresDate:
12/04/11Time:
13:
43Sample:
117
Includedobservations:
17
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
3711.103
918.831S4.038937
0.0011
XA(-1/2)
-391281.2
160138.7-2.443309
00274
R-squared
0.284698
Meandependentvar
1744.661
AdjustedR-squared
0.237011
SDdependentvar
2092.658
S.E,ofregression
1827.921
Akaikeinfocriterion
17.96988
Sumsquaredresid
50119421
Schwarzcriterion
1806790
Loglikelihood
-1507440
Hannan-Quinncriter.
17.97962
F-statistic
5.970152
Durbin-Watsonstart
1176271
ProbfF-statistic)
0027395
由上述各回归结果可知,各回归模型中解释变量的系数估计值显著不为0,
且除了八的系数,均能通过10%的显著性检验。
所以认为存在异方差性。
4、G-Q检验
将样本按解释变量排序(SORTX)并分成两部分,分别为1到7和11到17,各7个样本。
利用样本1建立回归模型1(SMPL17LSYCX),其残差平方和为412586.0
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
*499.9132
254.4416-1.964746
0.1056
X
0.049107
00108514.525582
00063
R-squared
0803775
Meaindeperidentvar
541.4857
AdjustedR-squared
0.764529
8Ddependentvar
5919758
S.IE.ofregression
287.2581
Akaikeinfocriterion
14.39360
Sumsquaredresid
412586.0
Schwarzcriterion
14.37814
Loglikelihood
-4S.37758
HannaivQuinncriter
14.20258
F-statistic
2048090
Durbin-Watsonstat
0924315
Prob(F-statl3tilc)
0.006251
利用样本2建立回归模型2(SMPL1117LSYCX),其残差平方和为
94219377。
DependentVariable:
Y
Method:
LeastSquares
Date:
12706/11Time:
20:
35
Sample:
1117
Includedobservations;7
Variable
Coefficient
StdErrort-Statistic
Prob
C
3361200
54361400618306
0.5634
X
0.010816
0.0369300.292885
0.7814
R-squared
0.016867
Meandependentvar
4879114
AdjustedR-squared
-0.179760
S.D.dependentvar
3996.578
S.E.ofregression
4340.953
Akaikeinfocriterion
19.82453
Sumsquaredresid
94219377
Schwarzcriterion
19.80908
Loglikelihood
-67.38586
H自nnan-Qumncriter.
19.63352
F-statistic
0085782
Durbiin-Watsonstat
2.868565
Prab(F-statistic)
0.781376
计算F统计量:
F=RS&/RSS=91219377/412586=221.09,RSS禾口RSS>
分别是模型1和模型2的残差平方和。
取a=0.05时,查F分布表得F°.05(7-1-1,7-1-1)=5.05,而
F=221.09^。
.。
厶=5.05,所以存在异方差性。
5、White检验
建立回归模型(LS丫CX)
DependentVariable:
Y
Method:
LeastSquares
Date:
12J06/11Time:
20:
44
Sample:
111
Includedobservations:
17
Variable
Coefficient
Std.ErrorVStatistic
Prob
C
187.5068
1106.6310J69432
0.8677
X
0.031993
0.0111112.879358
0.0115
R'Squared
0.355966
Meandependentvar
2676.188
AdjustedR-squ^red
0.313031
SD,dependentvar
3438.207
S.E,ofregression
2849.711
Akaikeinfocriterion
18,85795
Sumsquaredresid
1.22E+08
Schwarzcriterion
16.95598
Loglikelihood
-160.2926
Hannan-Quinricriter
18.86770
F-statistlc
9.290703
Durbin-Watsonstat
2739533
Prob(F-statistic)
0.011464
在窗口菜单中选择HeteroskedasticityTest:
White,检验结果如下:
HeteroskedasticityTest:
White
其中F值为辅助回归模型的F统计量值。
取显著水平[二0.05,由于
0.05(2^5.9^:
:
nR2=17*9.9137=168.533,所以存在异方差性。
同时可以直接
观察相伴概率P值的大小,这里
P=0.0022,小于0.05的显著水平,认为存在
异方差性。
二克服异方差
1、确定权数变量
根据Park检验生成权数变量:
GENRW1=1/XA1.5019
根据Gleiser检验生成权数变量:
GENRW2=1/XA2另外生成:
GENRW3=1/ABS(RESID)
GENRW4=1/RESIDA2
其中RESID为最初回归模型LS丫CX的残差序列。
2、利用加权最小二乘法估计模型
在Eviews命令窗口中依次键入命令LS(W=W)丫CX,或在回归的权数变
量栏里依次输入W1、W2、W3、W4,得到回归结果。
并对所估计的模型再分别进行White检验,观察异方差的调整情况。
W1:
Weightingseries:
W1
Variable
Coefficient
StdError
t-Statistic
Prob
C
-154.3163
64.55461
-2.390477
0.0304
X
0.029B02
0006136
485712B
00002
WeightedStatistics
R-squared
0.611315
Meandependentvar
434.5284
AdjustedR-squared
0.585403
S.D.dependentvar
280.0751
SE.ofregression
311.2520
AkalkBinfocriterion
14.42921
Sumsquaredresid
1453167.
Schwarzcriterion
14.52724
Loglikelihood
-120.6483
Hannan-Quinnicriter.
14.43396
F-statistic
23.59167
Ourbin-Watsonstat
2.116089
Prob(F-statistic)
0.000209
HeteroskedasticityTest:
White
F-statistic
0.081299
Prob.F(3,13)
0.9690
Obs*R-squared
0313067
Prob.Chi-Square(3)
0.9576
ScaledexplainedS3
0.221476
Prob.Chi-Square(3)
0.9741
W2:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/06/11Time