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。