计量经济学实习报告.docx

计量经济学实习报告.docx

《计量经济学实习报告.docx》由会员分享，可在线阅读，更多相关《计量经济学实习报告.docx（19页珍藏版）》请在冰点文库上搜索。

计量经济学实习报告

计

量

经

济

学

实

验

报

告

学院班级：

经济学09-1班

姓名：

武金鹏

学号：

20095647

实验异方差性

【实验目的】

掌握异方差性的检验及处理办法

【实验内容】

建立并检验我国GDP函数模型

【实验步骤】

【例题】表1列出了2009年我国各省份的GDP与劳动者报酬的统计资料。

利用计量经济学软件Eviews建立我国GDP函数模型

表12009年我国各省份的GDP与劳动者报酬情况单位：

亿元

地区

GDP（Y）

劳动者报酬（X）

地区

GDP（Y）

劳动者报酬（X）

北京

12153.03

6141.6

湖北

12961.1

6199.16

天津

7521.85

2836.97

湖南

13059.69

6561.52

河北

17235.48

9533.07

广东

39482.56

17849.91

山西

7358.31

3374.63

广西

7759.16

4626.32

内蒙古

9740.25

4520.61

海南

1654.21

863.14

辽宁

15212.49

7493.57

重庆

6530.01

3308.46

吉林

7278.75

2924.57

四川

14151.28

6769.64

黑龙江

8587

3487.49

贵州

3912.68

2094.97

上海

15046.45

5901.84

云南

6169.75

3058.2

江苏

34457.3

15019.1

西藏

441.36

281.86

浙江

22990.35

9105.37

陕西

8169.8

3691.49

安徽

10062.82

5039.17

甘肃

3387.56

1590.4

福建

12236.53

6510.05

青海

1081.27

581.69

江西

7655.18

3118.08

宁夏

1353.31

720.82

山东

33896.65

15200.4

新疆

4277.05

2329.37

河南

19480.46

9566.24

一、检验异方差性

1.图形分析检验

（1）观察GDP（Y）与劳动者报酬（X）的相关图（图1）:

SCATXY

图1我国各省份GDP与劳动者报酬相关图

从图中可以看出，随着社会固定资产投资的增加，GDP的平均水平不断的提高，但是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。

（2）残差分析

首先将数据排序（命令格式为：

SORT解释变量），然后建立回归方程。

在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击Resid对象来观察）

图2显示回归方程的残差分布有明显的扩大趋势。

即表明存在异方差性

2.Goldfeld-Quant检验

（1）将样本安排解释变量排序（SORTX）并分成两部分（分别有1到12共12个样本和20到31共12个样本）

（2）利用样本1建立回归模型（回归结果如图3），其残差平方

SORTX将样本数据关于X排序

SMPL112确定子样本1

LSYCX求出RSS1=4898016

图3样本一回归结果

（3）利用样本2建立回归模型2（回归结果如图4），其残差平方和为:

RSS2=26925959

SMPL2031

LSYCX

图4样本二回归结果

（4）计算F统计量：

F=5.49分别是模型2和模型1的残差平方和之比

取a=0.05，查第一个自由度和第二个自由度均为12-2=10的F分布表，得Fa（10，10）=2.98，而F=5.49>Fa（10，10）=2.98，所以存在递增的异方差.

从检验过程可以看出，G-Q检验适用于检验样本容量较大的、异方差性呈递增或递减的情况，而且检验结果与数据剔除个数c的选取有关

3White检验

（1）建立回归模型：

LSYCX,回归结果如图5

图5我国各省GDP回归模型

（2）在方程窗口上点击View\Residual\Test\WhiteHeteroskerdastciity,检验结果如图6

图6White检验结果

其中F值为辅助回归模型的F统计量值。

取显著水平a=0.05，由于nR28.154>X20.05

（2）=5.99，所以存在异方差。

实际上，由输出结果的概率P可以看出，只要显著水平a>0.0001，就可以认为存在异方差。

4Park检验

（1）建立回归模型（结果同图5所示）

（2）生成新变量序列：

GENRLNE2=log（RESID^2）

GENRLNX=log（x）

（3）建立新残差序列对解释变量的回归模型：

LSLNE2CLNX,回归结果如图7所示

图7Park检验回归模型

从图7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

5Gleiser检验（Gleiser检验与Park检验原理相同）

（1）建立回归模型（结果同图5所示）

（2）生成新变量序列：

GENRE=ABS（RESID）

（3）分别建立新残差序列（E）对各解释变量（X，1/X,X^2,1/X^2,X^（1/2）,X^（-1/2））的回归模型：

LSECX,回归结果如图8、9、10、11、12、13所示

图8

图9

图10

图11

图12

图13

（4）由F值可以确定异方差类型

Gleiser检验中可以通过F值确定异方差的具体形式，如图9所示的回归方程F值最大，可以据此来确定异方差的形式

二、调整异方差性

1.确定权数变量

根据Park检验生成权数变量：

GENRW1=1/X

GENRW2=1/X^2

GENRW3=1/X^（1/2）

GENRW4=1/RESID^2

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=）YCX

或在方程窗口中点击Estimate\Option按钮，并在权数变量栏里依次输入W1W2W3W4,回归结果图14、15、16、17所示

图14

图15

图16

图17

3.对所估计的模型在进行White检验，观察异方差的调整情况

对所估计的模型在进行White检验，其结果分别对应图14、15、16、17的回归模型（如图18、19、20、21所示）。

图18

图19

图20

图21

以上怀特检验都证明经过修改后不存在异方差。

第二种方法使用对数变换法如图22：

图22

利用怀特检验如图23：

图23

通过怀特检验不存在异方差。