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（12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Y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Y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Y
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Y的散点相关图（SCATXY）。
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。
（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（LSYCX）。
因此，模型估计式为：
----------（*）
（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。
2、Park检验
建立回归模型（LSYCX），结果如（*）式。
生成新变量序列：
GENRLNE2=LOG（RESID^2）
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。
3、Gleiser检验
建立回归模型（LSYCX），结果如（*）式。
生成新变量序列：
GENRE=ABS（RESID）
分别建立新残差序列E对各解释变量
的回归模型（LSECX），回归结果如各图所示。
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
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。
利用样本2建立回归模型2（SMPL1117LSYCX），其残差平方和为94219377。
计算F统计量：
＝91219377/412586=221.09，
分别是模型1和模型2的残差平方和。
取
时，查F分布表得
，而
，所以存在异方差性。
5、White检验
建立回归模型（LSYCX）。
在窗口菜单中选择HeteroskedasticityTest:
White，检验结果如下：
其中F值为辅助回归模型的F统计量值。
取显著水平
，由于
，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/X^1.5019
根据Gleiser检验生成权数变量：
GENRW2=1/X^2
另外生成：
GENRW3=1/ABS（RESID）
GENRW4=1/RESID^2
其中RESID为最初回归模型LSYCX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=
）YCX，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：
W2：
W3：
W4：
权数为W1、W2、W4所对应的White检验显示，P值较大，都超过了0.88，所以接受不存在异方差的原假设，即认为已经消除了回归模型的异方差性。
其中以W4=1/RESID^2作为权数的模型消除了异方差性（P=0.8852），并且拟合程度较好（R2=0.9674）。
升级会员 