EViews计量经济学试验报告异方差的诊断及修正.docx
《EViews计量经济学试验报告异方差的诊断及修正.docx》由会员分享，可在线阅读，更多相关《EViews计量经济学试验报告异方差的诊断及修正.docx（13页珍藏版）》请在冰豆网上搜索。
EViews计量经济学试验报告异方差的诊断及修正
实验题目异方差的诊断与修正
一、实验目的与要求：
要求目的：
1、用图示法初步判断是否存在异方差，再用
2、用加权最小二乘法修正异方差。
White检验异方差;
二、实验内容
根据1998年我国重要制造业的销售利润与销售收入数据，
示法，White检验模型是否存在异方差，如果存在异方差,
运用EV软件，做回归分析，用图运用加权最小二乘法修正异方差。
三、实验过程：
（实践过程、实践所有参数与指标、理论依据说明等）
（一）模型设定
为了研究我国重要制造业的销售利润与销售收入是否有关,足线性约束，则理论模型设定为：
假定销售利润与销售收入之间满
Yi=1+2Xi+
其中，Y表示销售利润，Xi表示销售收入。
由1998年我国重要制造业的销售收入与销售
行业名称
销售利润Y
销售收入X
食品加工业
食品制造业
饮料制造业
烟草加工业
纺织业
服装制造业
皮革羽绒制品
木材加工业
家具制造业
造纸及纸制品
印刷业
文教体育用品
石油加工业
化学原料制品
医约制造业
化学纤维制造
橡胶制品业
塑料制品业
1345
非金属矿制业
黑色金属冶炼
利润的数据，如图1:
1988年我国重要制造业销售收入与销售利润的数据（单位：
亿元）
有色金属冶炼
金属制品业
普通机械制造
专用设备制造
交通运输设备
电子机械制造
电子通信设备
仪器仪表设备
（二）参数估计
1、双击“Eviews”，进入主页。
输入数据：
点击主菜单中的File/Open/EVWorkfile-Excel
一异方差数据；
2、在EV主页界面的窗口，输入“lsycx"，按“Enter出现OLS回归结果，如图2：
估计样本回归函数
DependentVariable:
Y
Method:
LeastSquares
Date:
10/19/05Time:
15:
27
Sample:
128
Includedobservations:
28
Variable
Coefficient
Std.Errort-Statistic
Prob.
C
X
R-squared
AdjustedR-squared.ofregressionSumsquaredresidLoglikelihoodDurbin-Watsonstat
Meandependentvar.dependentvarAkaikeinfocriterionSchwarzcriterionF-statisticProb（F-statistic）
估计结果为：
Y?
=+xi
（）
t=（）（）
2二2
R=R=.=DW=1.212859F=
这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长元。
2
R=,拟合程度较好。
在给定=时，t=>10.025（26）=，拒绝原假设，说明销售收入对
销售利润有显著性影响。
F=>F0.05（1,26）=,表明方程整体显著。
（三）检验模型的异方差
X
（一）图形法
1、在"Workfile”页面：
选中x,y序列，点击鼠标右键，点击Open—asGroup—Yes
X
2、在"Group”页面：
点击View—Graph—Scatter—SimpleScatter,得到X,Y的散点图（图3所示）：
600500400
Y3002001000
3、在"Workfile”页面：
点击Generate,输入“e2=residA2”—OK4、选中x,e2序列，点击鼠标右键，Open—asGroup—Yes
5、在"Group”页面：
点击View—Graph—Scatter—SimpleScatter,得到X,e2的散点图（图4所示）：
25000
20000
150002E1000050000
010*********
X6、判断由图3可以看出，被解释变量Y随着解释变量X的增大而逐渐分散，离散程度越来越大；
同样，由图4可以看出，残差平方q2对解释变量X的散点图主要分布在图形中的下三角部
分，大致看出残差平方弓2随Xi的变动呈增大趋势。
因此，模型很可能存在异方差。
但是否确实存在异方差还应该通过更近一步的检验。
X
（二）White检验
1、在"Equation”页面：
点击View—ResidualTests—White检验（nocross）,（本例为一元函数，没有交叉乘积项）得到检验结果，如图5:
White检验结果
WhiteHeteroskedasticityTest:
F-statisticProbability
Obs*R-squaredProbability
TestEquation:
DependentVariable:
RESIDA2
Method:
LeastSquares
Date:
10/19/05Time:
15:
29
Sample:
128
Includedobservations:
28
VariableCoefficientStd.Errort-StatisticProb.
C
X
XA2
R-squared
AdjustedR-squared.ofregressionSumsquaredresidLoglikelihoodDurbin-Watsonstat
Meandependentvar.dependentvarAkaikeinfocriterion+08Schwarzcriterion
F-statisticProb（F-statistic）
22
2、因为本例为一兀函数，没有交叉乘积项，则辅助函数为t=0+1xt+2Xt+t
从上表可以看出，nR2=,有White检验知，在=0,05下，查2分布表，得临界值20.05
（2）=。
比较计算的2统计量与临界值，因为nR2=>20.05
（2）=,所以拒绝原假设，
不拒绝备择假设，这表明模型存在异方差。
（四）异方差的修正
在运用加权最小二乘法估计过程中，分别选用了权数1t=1/Xt,2t=1/Xt2,3t=1/区。
1、在"Workfile”页面：
点击“Generate",输入"w1=1/x”—OK;同样的输入aw2=1/xA2"“w3=1/sqr（x）”；
2、在"Equation”页面：
点击“EstimateEquation",输入"ycx"，点击"weighted",输入“w1”，出现如图6:
用权数1t的结果
DependentVariable:
Y
Method:
LeastSquares
Date:
10/22/10Time:
00:
13
Sample:
128
Includedobservations:
28
Weightingseries:
W1
VariableCoefficientStd.Errort-StatisticProb.
WeightedStatistics
R-squaredMeandependentvar
AdjustedR-squared.dependentvar
.ofregressionAkaikeinfocriterion
SumsquaredresidSchwarzcriterion
LoglikelihoodF-statistic
Durbin-WatsonstatProb（F-statistic）
UnweightedStatistics
R-squaredMeandependentvar
AdjustedR-squared.dependentvar
.ofregressionSumsquaredresid
Durbin-Watsonstat
3、在"Equation”页面：
点击“EstimateEquation",输入"ycx"，点击"weighted
输入“w2',出现如图7:
用权数2t的结果
DependentVariable:
Y
Method:
LeastSquares
Date:
10/22/10Time:
00:
16
Sample:
128
Includedobservations:
28
Weightingseries:
W2
Variable
CoefficientStd.Error
t-Statistic
Prob.
C
X
WeightedStatistics
R-squaredMeandependentvar
AdjustedR-squared.dependentvar
.ofregressionAkaikeinfocriterion
SumsquaredresidSchwarzcriterion
LoglikelihoodF-statistic
Durbin-WatsonstatProb（F-statistic）
UnweightedStatistics
R-squaredMeandependentvar
AdjustedR-squared.dependentvar
.ofregressionSumsquaredresid
Durbin-Watsonstat
4、在"Equation”页面：
点击“EstimateEquation",输入"ycx"，点击"weighted输入“w3',出现如图8:
用权数3t的结果
DependentVariable:
Y
Method:
LeastSquares
Date:
10/22/10Time:
00:
17
Sample:
128
Includedobservations:
28
Weightingseries:
W3
VariableCoefficientStd.Errort-StatisticProb.
WeightedStatistics
R-squaredMeandependentvar
AdjustedR-squared.dependentvar
.ofregressionAkaikeinfocriterion
SumsquaredresidSchwarzcriterion
LoglikelihoodF-statistic
Durbin-WatsonstatProb（F-statistic）
UnweightedStatistics
R-squaredMeandependentvar
AdjustedR-squared.dependentvar
.ofregressionSumsquaredresid
Durbin-Watsonstat
经估计检验，发现用权数宜，3t的结果，其可决系数反而减小；只有用权数2t的效果
最好，可决系数增大。
用权数2t的结果
DependentVariable:
Y
Method:
LeastSquares
Date:
10/22/10Time:
00:
16
Sample:
128
Includedobservations:
28
Weightingseries:
W2
VariableCoefficientStd.Errort-StatisticProb.
CX
WeightedStatistics
R-squaredMeandependentvar
AdjustedR-squared.dependentvar
.ofregressionAkaikeinfocriterion
SumsquaredresidSchwarzcriterion
LoglikelihoodF-statistic
Durbin-WatsonstatProb（F-statistic）
UnweightedStatistics
R-squaredMeandependentvar
AdjustedR-squared.dependentvar
.ofregressionSumsquaredresid
Durbin-Watsonstat
用权数2t的估计结果为：
Y?
=+Xi
（）（）
2一
R=DW=1.905670F=
括号中的数据为t统计量值。
由上可以看出，运用加权最小二乘法消除了异方差后，参数2的1检验显著，可决系数提
高了不少，F检验也显著，并说明销售收入每增长1元，销售利润平均增长元。
四、实践结果报告：
1、用图示法初步判断是否存在异方差：
被解释变量Y随着解释变量X的增大而逐渐分散，
2
离散程度越来越大；同样的，残差平万ei对解释变量X的散点图主要分布在图形中的下三
2一.
角部分，大致看出残差平万ei随Xi的变动呈增大趋势。
因此，模型很可能存在异方差。
但
是否确实存在异方差还应该通过更近一步的检验。
20.05
（2）=,所以拒绝原假设，不拒绝备择假
F=
=时>t=>t0.025（26）=，拒绝原假设，说
2
再用White检验异万差：
因为nR=>
设，这表明模型存在异方差。
2、用加权最小二乘法修正异方差：
发现用权数2t的效果最好，则估计结果为：
Y?
=+Xi
（）（）
2—
R=DW=1.905670
括号中的数据为t统计量值。
由上可以看出，R2=，拟合程度较好。
在给定
明销售收入对销售利润有显著性影响。
F=>Fo.05（1,26）=,表明方程整体显著。
运用加权最小二乘法后，参数2的t检验显著，可决系数提高了不少，F检验也显著，并
说明销售收入每增长1元，销售利润平均增长元。
3、再用White检验修正后的模型是否还存在异方差:
White检验结果
WhiteHeteroskedasticityTest:
F-statisticProbability
Obs*R-squaredProbability
TestEquation:
DependentVariable:
STD_RESIDA2
Method:
LeastSquares
Date:
10/22/10Time:
00:
17
Sample:
128
Includedobservations:
28
VariableCoefficientStd.Errort-StatisticProb.
C
X
XA2
由上看出，nR2=,由White检验知，在=0,05下，查2分布表，得临界值：
2
0.05
（2）=。
比较计算的2统计量与临界值，因为nR2=<20.05
（2）=,所以接受原假设，这说明
修正后的模型不存在异方差。
升级会员 