异方差的eviews操作(共6页).doc

《异方差的eviews操作(共6页).doc》由会员分享，可在线阅读，更多相关《异方差的eviews操作(共6页).doc（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上实验三 异方差的检验与修正实验目的1、理解异方差的含义后果、2、学会异方差的检验与加权最小二乘法实验内容一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤与方法同前），得到残差序列。表2列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。表2 我国制造工业1998年销售利润与销售收入情况行业名称销售利润销售收入行业名称销售利润销售收入食品加工业187.253180.44医药制造业238.711264.1食品制造业111.421119.88化学纤维制品81.57779.46饮料制造业

2、205.421489.89橡胶制品业77.84692.08烟草加工业183.871328.59塑料制品业144.341345纺织业316.793862.9非金属矿制品339.262866.14服装制品业157.71779.1黑色金属冶炼367.473868.28皮革羽绒制品81.71081.77有色金属冶炼144.291535.16木材加工业35.67443.74金属制品业201.421948.12家具制造业31.06226.78普通机械制造354.692351.68造纸及纸品业134.41124.94专用设备制造238.161714.73印刷业90.12499.83交通运输设备511.944

3、011.53文教体育用品54.4504.44电子机械制造409.833286.15石油加工业194.452363.8电子通讯设备508.154499.19化学原料纸品502.614195.22仪器仪表设备72.46663.68二、异方差的检验1、图形分析检验观察销售利润（Y）与销售收入（X）的相关图(图3-1)：SCAT X Y图3-1 我国制造工业销售利润与销售收入相关图从图中可以看出，随着销售收入的增加，销售利润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。 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Res

4、ids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3-2 我国制造业销售利润回归模型残差分布图3-2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检验将样本安解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本）利用样本1建立回归模型1（回归结果如图3-3），其残差平方和为2579.587。SMPL 1 10LS Y C X图3-3 样本1回归结果利用样本2建立回归模型2（回归结果如图3-4），其残差平方和为63769.67。SMPL 19 28LS

5、Y C X图3-4 样本2回归结果计算F统计量：63769.67/2579.59=24.72，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3、White检验建立回归模型：LS Y C X，回归结果如图3-5。图3-5 我国制造业销售利润回归模型在方程窗口上点击ViewResidualTestWhite Heteroskedastcity,检验结果如图3-6。图3-6 White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，由于,所以存在异方差性。实际应用中可以直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。反之，则认为不存在异方差性。4、斯皮

6、尔曼等级相关系数检验其操作步骤为：A. 对X排序：命令行输入SORT XB. 输入X的等级：data d1（依次输入1-n的自然数）；C. 对残差绝对值排序：命令行输入SORT abs(resid)；D. 输入残差绝对值的等级：data d2（依次输入1-n的自然数）；E. 依据公式计算等级相关系数检验统计量，并查表得出结论。5、异方差的消除加权最小二乘法 加权最小二乘法中，最重要的是确定权重的确定，一般而言，采用残差绝对值的倒数作为权重，也可以采用其他形式。A. 首先，用SMPL命令设定样本的区间（包括所有观测值），如：SMPL 1 31B. 进行最小二乘回归，得到残差序列，LS Y C XC. 根据残差确定权重， GENR W1=1/ABS(RESID)D. 进行加权最小二乘估计，LS(W=W1) Y C X；或在方程窗口中点击EstimateOption按钮，并在权数变量栏里依次输入W1回归结果如下图3-7所示：图3-7 E. 对回归方程在进行White 检验，观察异方差的调整情况对所估计的模型再进行White检验，其结果如下图3-8所示：图3-8图3-8对应的White检验没有显示F值和的值，这表示异方差性已经得到很好的解决。专心-专注-专业