计量经济学作业计量经济学模型设计.docx

计量经济学作业计量经济学模型设计.docx

《计量经济学作业计量经济学模型设计.docx》由会员分享，可在线阅读，更多相关《计量经济学作业计量经济学模型设计.docx（11页珍藏版）》请在冰豆网上搜索。

计量经济学作业计量经济学模型设计

计量经济学作业

表5-1列出了2010年江西省环鄱阳湖生态经济区所辖主要县、市的工业及建筑业主营业务收入与利润总额的统计资料，利用统计软件Eviews建江西省环鄱阳湖生态经济区所辖主要县、市的工业及建筑业利润函数模型。

表1江西省环鄱阳湖生态经济区所辖主要县、市的工业及建筑业主营业务收入与利润总额情况

地区

利润总额

主营业务收入

地区

利润总额

主营业务收入

南昌县

112894

2483552

湖口县

21964

1088745

新建县

87103

1467325

彭泽县

10680

405748

安义县

16861

460589

瑞昌市

66976

1054673

进贤县

31432

1075356

余江县

18022

419719

浮梁县

29189

608661

贵溪市

345967

7361627

乐平市

71020

1420708

新干县

29624

593662

九江县

19628

432199

丰城市

139634

2035031

武宁县

54449

638272

樟树市

59555

1208936

修水县

57279

446587

高安市

72198

1230235

永修县

88837

1010809

东乡县

34753

766277

德安县

36721

999202

余干县

30041

513642

星子县

15055.5

213898.5

鄱阳县

9225

261223

都昌县

8919

300141

万年县

47573

702871

一、参数估计

进入EViews软件包，确定时间范围；编辑输入数据；选择估计方程菜单，估计样本回归函数如图1所示。

图1估计样本回归函数

估计结果为

括号内为t统计量值。

二、检验异方差性

1、图形分析检验

⑴观察利润总额（

）与主营业务收入（

）的相关图（图2）：

SCATXY

图2江西省环鄱阳湖生态经济区所辖主要县、市的工业及建筑业主营业务收入与利润总额相关图

从图中可以看出，随着主营业务收入的增加，利润总额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。

⑵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“Resids”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江西省环鄱阳湖生态经济区所辖主要县、市的工业及建筑业利润总额回归模型残差分布

图3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

（1）将样本按解释变量排序（SORTX）并分成两部分（分别有1到8共8个样本和14到21共8个样本）

（2）利用样本1建立回归模型1，其残差平方和为

=76350179。

（3）利用样本2建立回归模型2，其残差平方和为

=1238403247。

（4）计算F统计量：

＝1238403247/76350179=16.22。

取

时，查F分布表得

，所以存在异方差性。

3、White检验

（1）建立回归模型：

LSYCX，回归结果如图4。

图4江西省环鄱阳湖生态经济区所辖主要县、市的工业及建筑业利润总额回归模型

（2）在方程窗口上点击View\Residual\Test\WhiteHeteroskedastcity,检验结果如图5。

图5White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

所以不存在异方差性。

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、Park检验

（1）建立回归模型（结果同图4所示）。

（2）生成新变量序列：

GENRLNE2=log（RESID^2）

GENRLNX=log（x）

（3）建立新残差序列对解释变量的回归模型：

LSLNE2CLNX，回归结果如图6所示。

图6Park检验回归模型

从图5-7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。

5、Gleiser检验（Gleiser检验与Park检验原理相同）

（1）建立回归模型（结果同图4所示）。

（2）生成新变量序列：

GENRE=ABS（RESID）

（3）分别建立新残差序列（E）对各解释变量（X,X^2,X^（1/2）,X^（－1）,X^（－2）,

X^（－1/2））的回归模型：

LSECX，回归结果如下所示：

①

（4.4315）（0.0296）

②

（5.6705）（-0.4190）

③

（1.9905）（0.4788）

④

（4.5320）（-1.4311）

⑤

（5.6922）（-1.4563）

⑥

（3.1546）（-1.2831）

由上述各回归结果可知，回归模型①②③中解释变量的系数估计值显著为0,回归模型④⑤⑥不能通过显著性检验，所以不能确定存在异方差性。

（4）由F值或

确定异方差类型

Gleiser检验中可以通过F值或

值确定异方差的具体形式。

本例中，所有方程③均无效。

三、调整异方差性

1、确定权数变量

根据Park检验，可以得出

的一般形式为：

生成权数变量：

GENRW1=1/X^（0.9158/2）

根据Gleiser检验，可以取以下两种形式作为权数变量：

生成权数变量：

GENRW2=1/ABS（RESID）

GENRW3=1/RESID^2

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

经估计检验发现用权数

的效果最好。

下面仅给出用权数

的结果。

3、对所估计的模型再进行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，其结果对应图5-8所示。

图8所对应的White检验显示，P值较大，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。

图5-8

图6park检验回归模型

（4.4315）（0.0296）