第五章异方差性思考题Word文件下载.docx
《第五章异方差性思考题Word文件下载.docx》由会员分享，可在线阅读，更多相关《第五章异方差性思考题Word文件下载.docx（30页珍藏版）》请在冰豆网上搜索。
135
190
125
165
84
115
205
98
130
178
265
185
191
270
90
137
230
200
75
189
250
74
105
225
240
5.4表5.9给出1985年我国北方地区农业总产值,农用化肥量、农用水利、农业劳动力、户均固定资产以及农机动力数据,要求:
1）试建立我国北方地区农业产出线性模型;
2）选用适当的方法检验模型中是否存在异方差;
3）如果存在异方差,采用适当的方法加以修正。
地区
农业总产值
（亿元）
农业劳动力
（万人）
灌溉面积
（万公顷）
化肥用量
（万吨）
户均固定
资产（元）
农机动力
（万马力）
北京
19.64
90.1
33.84
7.5
394.3
435.3
天津
14.4
95.2
34.95
3.9
567.5
450.7
河北
149.9
1639.0
357.26
92.4
706.89
2712.6
山西
55.07
562.6
107.9
31.4
856.37
1118.5
内蒙古
60.85
462.9
96.49
15.4
1282.81
641.7
辽宁
87.48
588.9
72.4
61.6
844.74
1129.6
吉林
73.81
399.7
69.63
36.9
2576.81
647.6
黑龙江
104.51
425.3
67.95
25.8
1237.16
1305.8
山东
276.55
2365.6
456.55
152.3
5812.02
3127.9
河南
200.02
2557.5
318.99
127.9
754.78
2134.5
陕西
68.18
884.2
117.9
36.1
607.41
764
新疆
49.12
256.1
260.46
15.1
1143.67
523.3
*1马力=0.735kW
5.5表5.10中的数据是美国1988研究与开发（R&
D）支出费用（Y）与不同部门产品销售量（X）。
试根据资料建立一个回归模型,运用Glejser方法和White方法检验异方差,由此决定异方差的表现形式并选用适当方法加以修正。
表5.10美国工业群体销售、研发、利润数据（单位:
106美元）
工业群体
销售量X
R&
D费用Y
利润Z
1.容器与包装
6375.3
62.5
185.1
2.非银行业金融
11626.4
92.9
1569.5
3.服务行业
14655.1
178.3
276.8
4.金属与采矿
21869.2
258.4
2828.1
5.住房与建筑
26408.3
494.7
225.9
6.一般制造业
32405.6
1083
3751.9
7.休闲娱乐
35107.7
1620.6
2884.1
8.纸张与林木产品
40295.4
421.7
4645.7
9.食品
70761.6
509.2
5036.4
10.卫生保健
80552.8
6620.1
13869.9
11.宇航
95294
3918.6
4487.8
12.消费者用品
101314.3
1595.3
10278.9
13.电器与电子产品
116141.3
6107.5
8787.3
14.化工产品
122315.7
4454.1
16438.8
15.五金
141649.9
3163.9
9761.4
16.办公设备与电算机
175025.8
13210.7
19774.5
17.燃料
230614.5
1703.8
22626.6
18.汽车
293543
9528.2
18415.4
5.6表5.11给出收入和住房支出样本数据,建立住房支出模型。
表5.11收入和住房支出样本数据
住房支出
收入
1.8
5
2
2.1
3
10
3.2
3.5
3.6
4.2
15
4.5
4.8
20
5.7
6
6.2
假设模型为
其中,Y为住房支出,X为收入。
试求解下列问题:
1）用OLS求参数的估计值、标准差、拟合优度。
2）用GoMeld-Quandt方法检验异方差（假设分组时不去掉任何样本值）。
3）如果模型存在异方差,假设异方差的形式是
试用加权最小二乘法重新估计
的估计值、标准差、拟合优度。
5.7表5.12给出1969年20个国家的股票价格变化率（Y）和消费者价格变化率（X）的一个横截面数据。
表5.121969年20个国家的股票价格变化率{Y}和消费者价格变化率{X}
国家
股票价格变化率%Y
消费者价格变化率%X
1.澳大利亚
4.3
2.奥地利
11.1
4.6
3.比利时
2.4
4.加拿大
7.9
5.智利
25.5
26.4
6.丹麦
3.8
7.芬兰
5.5
8.法国
9.9
4.7
9.德国
13.3
2.2
10.印度
1.5
4
11.爱尔兰
6.4
12.以色列
8.9
8.4
13.意大利
8.1
3.3
14.日本
13.5
15.墨西哥
5.2
16.荷兰
17.新西兰
18.瑞典
8
19.英国
20.美国
9
试根据资料完成以下问题:
1）将Y对X回归并分析回归中的残差;
2）因智利的数据出现了异常,去掉智利数据后,重新作回归并再次分析回归中的残差;
3）如果根据1款的结果你将得到有异方差性的结论,而根据2款的结论你又得到相反的
结论,对此你能得出什么样的结论?
5.8表5.13给出的是1998年我国重要制造业销售收入与销售利润的数据。
表5.131998年我国重要制造业销售收入与销售利润的数据（单位:
亿元）
行业名称
销售收入
销售利润
食品加工业
187.25
3180.44
医药制造业
238.71
1264.1
食品制造业
111.42
1119.88
化学纤维制造
81.57
779.46
饮料制造业
205.42
1489.89
橡胶制品业
77.84
692.08
烟草加工业
183.87
1328.59
塑料制品业
144.34
1345
纺织业
316.79
3862.9
非金属矿制品
339.26
2866.14
服装制造业
157.7
1779.1
黑色金属冶炼
367.47
3868.28
皮革羽绒制品
81.73
1081.77
有色金属冶炼
144.29
1535.16
木材加工业
35.67
443.74
金属制品业
201.42
1948.12
家具制造业
31.06
226.78
普通机械制造
354.69
2351.68
造纸及纸制品
134.4
1124.94
专用设备制造
238.16
1714.73
印刷业
90.12
499.83
交通运输设备
511.94
4011.53
文教体育用品
54.4
504.44
电子机械制造
409.83
3286.15
石油加工业
194.45
2363.8
电子通讯设备
508.15
4499.19
化学原料制品
502.61
4195.22
仪器仪表设备
72.46
663.68
试完成以下问题:
1）求销售利润岁销售收入的样本回归函数,并对模型进行经济意义检验和统计检验;
2）分别用图形法、Glejser方法、White方法检验模型是否存在异方差;
3）如果模型存在异方差,选用适当的方法对异方差性进行修正。
5.9表5.14所给资料为1978~2000年四川省农村人均纯收入
和人均生活费支出
的数据。
表5.14四川省农村人均纯收入和人均生活费支出
时间
农村人均纯收入X
农村人均生活费支出Y
1978
127.1
120.3
1990
557.76
509.16
1979
155.9
142.1
1991
590.21
552.39
1980
187.9
159.5
1992
634.31
569.46
1981
220.98
184
1993
698.27
647.43
1982
255.96
208.23
1994
946.33
904.28
1983
258.39
231.12
1995
1158.29
1092.91
1984
286.76
251.83
1996
1459.09
1358.03
1985
315.07
276.25
1997
1680.69
1440.48
1986
337.94
310.92
1998
1789.17
1440.77
1987
369.46
348.32
1999
1843.47
1426.06
1988
448.85
426.47
2000
1903.6
1485.34
1989
494.07
473.59
资料来源:
四川统计年鉴,2001
1）求农村人均生活费支出对人均纯收入的样本回归函数,并对模型进行经济意义检验和统计检验;
3）如果模型存在异方差,选用造当的方法对异方差性进行修正。
5.10在5.9中用的是时间序列数据,而且没有剔除物价上涨因素。
试分析如果剔除物价上涨因素,即用实际可支配收入和实际消费支出,异方差的问题是否会有所改善?
由于缺乏四川省1978年后的农村居民消费价格定基指数,以1978-2000年全国商品零售价格指数（1978年为100）代替,如表5.15所示。
表5.151978~2000年全国商品零售价格指数
年份
商品零售价格指数
商品零售消费价格指数
135.8
310.2
102
145.7
356.1
108.1
172.7
377.8
110.7
203.4
380.8
112.8
207.7
370.9
114.5
213.7
359.8
117.7
225.2
354.4
128.1
254.9
中国统计年鉴2001
第五章
异方差性
思考与练习
1.简述什么是异方差?
为什么异方差的出现总是与模型中某个解释变量的变化有关？
答：
异方差性是指模型违反古典假定中的同方差性，即各残差项的方差并非相等。
一般地，由于数据观测质量、数据异常值、某些经济变化的特性、模型设定形式的偏误等原因，导致了异方差的出现。
主要原因往往是重要变量的遗漏，所以很多情况下，异方差表现为残差方差随着某个（未纳入模型的）解释变量的变化而变化。
2.
归纳教材中所介绍的检验异方差的方法的基本思想。
本书中给出了5种检验方法：
Goldfeld－Quandt检验，Glejser检验，Breusch-Pagan检验，White检验，ARCH检验。
其共同的基本思想是：
判断随机误差项与解释变量观测值之间的相关性。
对上述每一种检验来说，具体的寻找误差项与解释变量的关系的方法手段有所不一样。
。
3.什么是加权最小二乘法，它的基本思想是什么？
加权最小二乘法是对各个残差的平方赋予不同的权重后求和，求解参数估计值，使加权之后的残差平方和最小。
这种确定参数估计值的方法称为加权最小二乘法。
其基本思想是：
在异方差的情形下，方差越小，偏离均值的离散程度越小，越应该受到重视。
即ei的方差越小，在确定回归线时起的作用越大，反之，起的作用越小。
这样，应该对方差小的ei赋予较大的权重，对方差大的ei赋予较小的权重，让各个ei2提供的信息大致一致。
4.判断下列说法是否正确，并简要说明为什么。
（1）
当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性；
答：
不正确。
这个时候估计式是无偏的，但是不具有最小方差性。
（2）
当异方差出现时，常用的t和F检验失效；
正确。
由于方差不是常数而是变数，这时一般意义上t比值的分布是未知的，但肯定不再遵从t-分布，使得t检验失效；
同理，在异方差条件下，F比值也不再是遵从F-分布，F检验也失效。
（3）
异方差情况下，通常的OLS估计一定高估了估计量的标准差；
一般是低估了其标准差。
（4）
如果OLS回归的残差表现出系统性，则说明数据中有异方差性；
是，但同时也要考虑自相关性的存在。
（5）
如果回归模型中遗漏一个重要变量，则OLS残差必定表现出明显的趋势；
是。
尤其是在经济、金融数据中，这种异方差性的现象更为突出。
（6）
如果模型遗漏一个非恒定方差的回归元，则残差将会呈异方差。
一般来说是的，但是有时候不见得会表现出来或者说不一定能够观察得到。
5.由表5.7给出消费Y与收入的数据，试根据数据完成一下问题：
估计回归模型
检验异方差性（可用Goldfeld-Quandt检验）；
选用合适的方法修正异方差。
解答：
（1）回归的结果如下：
DependentVariable:
Y
Method:
LeastSquares
Date:
05/14/03
Time:
20:
43
Sample:
160
Includedobservations:
60
Variable
Coefficient
Std.Error
t-Statistic
Prob.
0.637069
0.019903
32.00881
0.0000
C
9.347522
3.638437
2.569104
0.0128
R-squared
0.946423
Meandependentvar
119.6667
AdjustedR-squared
0.945500
S.D.dependentvar
38.68984
S.E.ofregression
9.032255
Akaikeinfocriterion
7.272246
Sumsquaredresid
4731.735
Schwarzcriterion
7.342058
Loglikelihood
-216.1674
F-statistic
1024.564
Durbin-Watsonstat
1.790431
Prob（F-statistic）
0.000000
由回归结果可以看出，系数t检验显著，F检验显著，可决系数高。
（2）检验是否存在异方差。
以下用ARCH检验来检是否真的存在异方差。
选取ARCH过程的阶数为p＝3，上机检验，结果为：
ARCHTest:
F-statistic
2.778208
Probability
0.050053
Obs*R-squared
7.745602
0.051573
TestEquation:
RESID^2
21:
14
Sample（adjusted）:
460
57afteradjustingendpoints
55.68621
20.58199
2.705579
0.0092
RESID^2（-1）
0.393629
0.137318
2.866553
0.0059
RESID^2（-2）
-0.109321
0.147425
-0.741540
0.4616
RESID^2（-3）
0.029690
0.137745
0.215545
0.8302
0.135888
80.63792
0.086976
113.7403
108.6814
12.28231
626017.6
12.42568
-346.0458
1.998685
（n－p）*R2＝7.7456，查卡方分布表，给定显著水平0.05，得临界值
，非常接近前面的观测值7.7456。
虽然可以说没有异方差，但是不是很肯定。
所以我们再做White检验，来判别一下是否存在异方差。
WhiteHeteroskedasticityTest:
6.301373
0.003370
10.86401
0.004374
33
-10.03614
131.1424
-0.076529
0.9393
0.165977
1.619856
0.102464
0.9187
X^2
0.001800
0.004587
0.392469
0.6962
0.181067
78.86225
0.152332
111.1375
S.E.ofre
升级会员 