Eviews异方差性实验报告Word文档格式.docx
《Eviews异方差性实验报告Word文档格式.docx》由会员分享,可在线阅读,更多相关《Eviews异方差性实验报告Word文档格式.docx(12页珍藏版)》请在冰豆网上搜索。
研究开发费用Y
销售收入X
1
62.5
6375.3
2
92.9
11626.4
3
178.3
14655.1
4
258.4
21869.2
5
494.7
26408.3
6
1083.0
32405.6
7
1620.6
35107.7
8
421.7
40295.4
9
509.2
70761.6
10
6620.1
80522.8
11
3918.6
95294.0
12
1595.3
101314.1
13
6107.5
116141.3
14
4454.1
122315.7
15
3163.8
141649.9
16
13210.7
175025.8
17
1703.8
230614.5
【实验步骤】
一检查模型是否存在异方差性
1、图形分析检验
(1)散点相关图分析
做出销售收入X与研究开发费用Y的散点相关图(SCATXY)。
观察相关图可以看出,随着销售收入的增加,研究开发费用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。
(2)残差图分析
首先对数据按照解释变量X由小至大进行排序(SORTX),然后建立一元线性回归方程(LSYCX)。
因此,模型估计式为:
----------(*)
(0.17)(2.88)R2=0.31s.e.=2850F=0.011
建立残差关于X的散点图,可以发现随着X增加,残差呈现明显的扩大趋势,表明存在递增的异方差。
2、Park检验
建立回归模型(LSYCX),结果如(*)式。
生成新变量序列:
GENRLNE2=LOG(RESID^2)
GENRLNX=LOG(X)
生成新残差序列对解释变量的回归模型(LSLNE2CLNX)。
从下图所示的回归结果中可以看出,LNX的系数估计值不为0且能通过显著性检验,即随机误差项的方差与解释变量存在较强的相关关系,即认为存在异方差性。
3、Gleiser检验
GENRE=ABS(RESID)
分别建立新残差序列E对各解释变量
的回归模型(LSECX),回归结果如各图所示。
由上述各回归结果可知,各回归模型中解释变量的系数估计值显著不为0,且除了
的系数,均能通过10%的显著性检验。
所以认为存在异方差性。
4、G-Q检验
将样本按解释变量排序(SORTX)并分成两部分,分别为1到7和11到17,各7个样本。
利用样本1建立回归模型1(SMPL17LSYCX),其残差平方和为412586.0。
利用样本2建立回归模型2(SMPL1117LSYCX),其残差平方和为94219377。
计算F统计量:
=91219377/412586=221.09,
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。
5、White检验
建立回归模型(LSYCX)。
在窗口菜单中选择HeteroskedasticityTest:
White,检验结果如下:
其中F值为辅助回归模型的F统计量值。
取显著水平
,由于
同时可以直接观察相伴概率P值的大小,这里P=0.0022,小于0.05的显著水平,认为存在异方差性。
二克服异方差
1、确定权数变量
根据Park检验生成权数变量:
GENRW1=1/X^1.5019
根据Gleiser检验生成权数变量:
GENRW2=1/X^2
另外生成:
GENRW3=1/ABS(RESID)
GENRW4=1/RESID^2
其中RESID为最初回归模型LSYCX的残差序列。
2、利用加权最小二乘法估计模型
在Eviews命令窗口中依次键入命令LS(W=
)YCX,或在回归的权数变量栏里依次输入W1、W2、W3、W4,得到回归结果。
并对所估计的模型再分别进行White检验,观察异方差的调整情况。
W1:
W2:
W3:
W4:
权数为W1、W2、W4所对应的White检验显示,P值较大,都超过了0.88,所以接受不存在异方差的原假设,即认为已经消除了回归模型的异方差性。
其中以W4=1/RESID^2作为权数的模型消除了异方差性(P=0.8852),并且拟合程度较好(R2=0.9674)。