Eviews異方差性實驗報告

1、實驗一 異方差性【實驗?zāi)康摹空莆债惙讲钚詥栴}出現(xiàn)的來源、后果、檢驗及修正的原理，以及相關(guān)的eviews操作方法?！緦嶒瀮?nèi)容】以計量經(jīng)濟學(xué)學(xué)習(xí)指南與練習(xí)補充習(xí)題4-16為數(shù)據(jù)，練習(xí)檢查和克服模型的異方差的操作方法?！?-16】表4-1給出了美國18個行業(yè)1988年研究開發(fā)（r&d）費用支出y與銷售收入x的數(shù)據(jù)。請用帕克（park）檢驗、戈里瑟（gleiser）檢驗、g-q檢驗與懷特（white）檢驗來檢驗y關(guān)于x的回歸模型是否存在異方差性？若存在異方差性，請嘗試消除它。表4-1 單位：百萬美元序號研究開發(fā)費用y銷售收入x162.56375.3292.911626.43178.314655.142

2、58.421869.25494.726408.361083.032405.671620.635107.78421.740295.49509.270761.6106620.180522.8113918.695294.0121595.3101314.1136107.5116141.3144454.1122315.7153163.8141649.91613210.7175025.8171703.8230614.5【實驗步驟】一 檢查模型是否存在異方差性1、圖形分析檢驗（1）散點相關(guān)圖分析做出銷售收入x與研究開發(fā)費用y的散點相關(guān)圖（scat x y）。觀察相關(guān)圖可以看出，隨著銷售收入的增加，研究開發(fā)費

3、用的平均水平不斷提高，但離散程度也逐步擴大。這說明變量之間可能存在遞增的異方差性。（2）殘差圖分析首先對數(shù)據(jù)按照解釋變量x由小至大進行排序（sort x），然后建立一元線性回歸方程（ls y c x）。因此，模型估計式為： -（*）(0.17) (2.88)r2=0.31 s.e.=2850 f=0.011建立殘差關(guān)于x的散點圖，可以發(fā)現(xiàn)隨著x增加，殘差呈現(xiàn)明顯的擴大趨勢，表明存在遞增的異方差。2、park檢驗建立回歸模型（ls y c x），結(jié)果如（*）式。生成新變量序列：genr lne2 = log(resid2)genr lnx = log(x)生成新殘差序列對解釋變量的回歸模型（ls

4、 lne2 c lnx）。從下圖所示的回歸結(jié)果中可以看出，lnx的系數(shù)估計值不為0且能通過顯著性檢驗，即隨機誤差項的方差與解釋變量存在較強的相關(guān)關(guān)系，即認為存在異方差性。3、gleiser檢驗建立回歸模型（ls y c x），結(jié)果如（*）式。生成新變量序列：genr e = abs(resid)分別建立新殘差序列e對各解釋變量的回歸模型（ls e c x），回歸結(jié)果如各圖所示。由上述各回歸結(jié)果可知，各回歸模型中解釋變量的系數(shù)估計值顯著不為0，且除了的系數(shù)，均能通過10%的顯著性檢驗。所以認為存在異方差性。4、g-q檢驗將樣本按解釋變量排序（sort x）并分成兩部分，分別為1到7和11到17，

5、各7個樣本。利用樣本1建立回歸模型1（smpl 1 7 ls y c x），其殘差平方和為412586.0。利用樣本2建立回歸模型2（smpl 11 17 ls y c x），其殘差平方和為94219377。計算f統(tǒng)計量：91219377 / 412586 = 221.09，分別是模型1和模型2的殘差平方和。取時，查f分布表得，而，所以存在異方差性。5、white檢驗建立回歸模型（ls y c x）。在窗口菜單中選擇heteroskedasticity test: white，檢驗結(jié)果如下：其中f值為輔助回歸模型的f統(tǒng)計量值。取顯著水平，由于，所以存在異方差性。同時可以直接觀察相伴概率p值的大

6、小，這里p = 0.0022，小于0.05的顯著水平，認為存在異方差性。二 克服異方差1、確定權(quán)數(shù)變量根據(jù)park檢驗生成權(quán)數(shù)變量：genr w1=1/x1.5019根據(jù)gleiser檢驗生成權(quán)數(shù)變量：genr w2=1/x2另外生成：genr w3=1/abs(resid)genr w4=1/resid2其中resid為最初回歸模型ls y c x的殘差序列。2、利用加權(quán)最小二乘法估計模型在eviews命令窗口中依次鍵入命令ls(w=) y c x，或在回歸的權(quán)數(shù)變量欄里依次輸入w1、w2、w3、w4，得到回歸結(jié)果。并對所估計的模型再分別進行white檢驗，觀察異方差的調(diào)整情況。w1：w2：w3：w4：權(quán)數(shù)為w1、w2、w4所對應(yīng)的white檢驗顯示，p值較大，都超過了0.8