大连海事大学计量经济学Eviews实验课讲义5序列相关与异方差上机课.docx
《大连海事大学计量经济学Eviews实验课讲义5序列相关与异方差上机课.docx》由会员分享,可在线阅读,更多相关《大连海事大学计量经济学Eviews实验课讲义5序列相关与异方差上机课.docx(23页珍藏版)》请在冰豆网上搜索。
大连海事大学计量经济学Eviews实验课讲义5序列相关与异方差上机课
第五课序列相关与异方差模型的处理
5.1序列相关模型
一、首先,结合案例数据(5_1_1)研究天津市城镇居民人均消费与人均可支配收入的关系,分析一阶线性相关存在时模型的检验与处理。
(1)案例数据:
改革开放以来,天津市城镇居民人均消费性支出(CONSUM),人均可支配收入(INCOME)以及消费价格指数(PRICE)数据(1978—2000年)见下表。
(数据来源:
张晓峒,《计量经济学基础》,P152,例6.1)
(2)散点图
考虑到价格指数的影响,将CONSUM和INCOME各自除以价格指数,形成被解释变量和解释变量:
CONSUM/PRICE和INCOME/PRICE,并作散点图如下,分析散点图,CONSUM/PRICE和INCOME/PRICE呈现线性相关。
(3)回归结果,Eviews输出结果报告,
得到回归方程CONSUM/PRICE=111.4400081+0.7118287831*INCOME/PRICE
DependentVariable:
CONSUM/PRICE
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
111.4400
17.05592
6.533804
0.0000
INCOME/PRICE
0.711829
0.016899
42.12221
0.0000
R-squared
0.988303
Meandependentvar
769.4035
AdjustedR-squared
0.987746
S.D.dependentvar
296.7204
S.E.ofregression
32.84676
Akaikeinfocriterion
9.904525
Sumsquaredresid
22657.10
Schwarzcriterion
10.00326
Loglikelihood
-111.9020
F-statistic
1774.281
Durbin-Watsonstat
0.598571
Prob(F-statistic)
0.000000
水平上,T=23条件下,k=1时,临界值Dl=1.26,由结果可知,DW=0.59
(4)LM检验
LM统计量:
Breusch-GodfreySerialCorrelationLMTest:
F-statistic
14.83210
Prob.F(1,20)
0.000996
Obs*R-squared
9.793792
Prob.Chi-Square
(1)
0.001751
辅助回归:
TestEquation:
DependentVariable:
RESID
Includedobservations:
23
Presamplemissingvaluelaggedresidualssettozero.
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
3.171015
13.26883
0.238982
0.8136
INCOME/PRICE
-0.004662
0.013177
-0.353781
0.7272
RESID(-1)
0.678967
0.176298
3.851247
0.0010
R-squared
0.425817
Meandependentvar
-1.40E-13
AdjustedR-squared
0.368399
S.D.dependentvar
32.09156
S.E.ofregression
25.50424
Akaikeinfocriterion
9.436674
Sumsquaredresid
13009.32
Schwarzcriterion
9.584782
Loglikelihood
-105.5217
F-statistic
7.416052
Durbin-Watsonstat
2.005247
Prob(F-statistic)
0.003895
可见,卡方统计量TR2=9.79,而
水平下,
,TR2=9.79>
因此,拒绝零假设,认为存在一阶序列相关。
0.678967说明存在正相关。
(5)用广义最小二乘法估计参数
计算一阶相关系数
对原变量做广义差分,若令
令
则以
和
为样本再次计算回归方程,GDY=45.24890183+0.6782321994*GDX
DependentVariable:
GDY
Includedobservations:
22afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
45.24890
12.25862
3.691191
0.0014
GDX
0.678232
0.033983
19.95799
0.0000
R-squared
0.952190
Meandependentvar
269.1295
AdjustedR-squared
0.949799
S.D.dependentvar
103.4908
S.E.ofregression
23.18764
Akaikeinfocriterion
9.211624
Sumsquaredresid
10753.33
Schwarzcriterion
9.310809
Loglikelihood
-99.32786
F-statistic
398.3214
Durbin-Watsonstat
2.308815
Prob(F-statistic)
0.000000
DW值=2.3<4-du=4-1.43=2.57,已经消除序列相关。
由于
,因此原模型的估计结果为:
。
分析可知,天津市城镇居民人均消费性支出平均占人均可支配收入的67.82%。
注意:
对广义差分后模型与原模型的判定系数不可简单直接比较,因为其变量不同;两个模型的回归系数估计值可能有所不同,计量经济学理论认为,广义差分模型的估计量性质优于存在序列相关时模型的估计量。
Eviews操作:
生成新变量的方法:
Quick——GenerateSeries——“X=CONSUM/PRICE”、”INCOME/PRICE”,但每次只能收入一个命令;
LM(BG)检验方法:
Equation——Views——ResidualTests——SerialCorrelationLMTest——OK。
二、结合案例5_1_2,研究天津市保费收入和人口的回归关系,分析二阶序列相关存在时模型的检验与处理。
(1)天津市保费收入和人口数据:
1967—1978年天津市的保险费收入(Yt,万元)和人口(Xt,万人)数据见5_1_2,散点图见下图,Y与X呈指数关系,对Y对自然对数,LnY与X呈线性关系。
(数据来源:
张晓峒,《计量经济学基础》,P155,例6.2)
(2)散点图:
通过散点图确定模型形式:
(3)利用Eviews软件估计方程,得到LOG(Y)=-11.18098138+0.02540509726*X
输出结果为:
DependentVariable:
LOG(Y)
Includedobservations:
32
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-11.18098
0.534786
-20.90740
0.0000
X
0.025405
0.000683
37.20929
0.0000
R-squared
0.978792
Meandependentvar
8.591552
AdjustedR-squared
0.978085
S.D.dependentvar
2.300249
S.E.ofregression
0.340525
Akaikeinfocriterion
0.743808
Sumsquaredresid
3.478727
Schwarzcriterion
0.835416
Loglikelihood
-9.900921
F-statistic
1384.531
Durbin-Watsonstat
0.363124
Prob(F-statistic)
0.000000
对模型结果分析,判定系数较大,0.98,拟合较好,系数显著,但是DW值较小,怀疑有自相关。
(4)检验自相关
查表,n=32,k=1,
,Dl=1.37,Du=1.50,而DW=0.36<1.37,存在正的序列相关。
Eviews下的LM检验:
Breusch-GodfreySerialCorrelationLMTest:
F-statistic
33.13129
Prob.F(2,28)
0.000000
Obs*R-squared
22.49464
Prob.Chi-Square
(2)
0.000013
辅助回归:
TestEquation:
DependentVariable:
RESID
Includedobservations:
32
Presamplemissingvaluelaggedresidualssettozero.
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-0.084662
0.315807
-0.268081
0.7906
X
0.000116
0.000406
0.286860
0.7763
RESID(-1)
1.173204
0.174076
6.739607
0.0000
RESID(-2)
-0.442149
0.200364
-2.206723
0.0357
R-squared
0.702957
Meandependentvar
-4.66E-15
AdjustedR-squared
0.671131
S.D.dependentvar
0.334988
S.E.ofregression
0.192106
Akaikeinfocriterion
-0.345072
Sumsquaredresid
1.033330
Schwarzcriterion
-0.161855
Loglikelihood
9.521154
F-statistic
22.08752
Durbin-Watsonstat
1.956428
Prob(F-statistic)
0.000000
从检验结果看,误差项存在二阶自相关。
(5)广义差分法消除自相关
依据残差自回归结果:
DependentVariable:
ET
Sample(adjusted):
19691998
Includedobservations:
30afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
ET(-1)
1.186005
0.171145
6.929824
0.0000
ET(-2)
-0.466667
0.186755
-2.498816
0.0186
R-squared
0.706585
Meandependentvar
-0.016275
AdjustedR-squared
0.696106
S.D.dependentvar
0.339942
S.E.ofregression
0.187399
Akaikeinfocriterion
-0.446816
Sumsquaredresid
0.983312
Schwarzcriterion
-0.353403
Loglikelihood
8.702236
Durbin-Watsonstat
1.971666
得到辅助回归方程为:
ET=1.186004684*ET(-1)-0.46666712*ET(-2)
进而得到二阶相关系数
对原变量做广义差分,若令
则以
和
为样本再次计算回归方程,
DependentVariable:
GDLNY
Method:
LeastSquares
Sample(adjusted):
19691998
Includedobservations:
30afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3.246271
0.323473
-10.03569
0.0000
GDX
0.025866
0.001441
17.94459
0.0000
R-squared
0.920002
Meandependentvar
2.525873
AdjustedR-squared
0.917145
S.D.dependentvar
0.649829
S.E.ofregression
0.187050
Akaikeinfocriterion
-0.450536
Sumsquaredresid
0.979660
Schwarzcriterion
-0.357123
Loglikelihood
8.758046
F-statistic
322.0083
Durbin-Watsonstat
1.993633
Prob(F-statistic)
0.000000
从结果看,DW=1.99,序列相关消除。
根据计算公式:
,
因此,原模型的广义最小二乘估计结果为:
与原估计结果LOG(Y)=-11.18098138+0.02540509726*X相比,稍有差别,计量经济学理论认为广义最小二乘估计量的特性优于误差项存在自相关条件下的最小二乘估计量的特性,即0.0259比0.0254更可信,其经济含义为:
每增加1万人,保费收入的对数值增加0.0259.
5.2异方差模型
一、案例分析
(1)数据:
已知某地区的个人储蓄Y,可支配收入X的截面样本数据见5_2_1,建立它们之间的线性回归模型并估计(数据来源:
张晓峒,《计量经济学基础》,P125,例5.1,该数据来源摘自【英】A.科苏扬尼斯著,许开甲等译《经济计量学理论——经济计量方法概述》上册)。
(2)建立模型
根据经济理论确定计量经济学模型基本形式为
,
估计方程为:
Y=-700.4109607+0.08783115594*X
Eviews输出结果报告如下:
DependentVariable:
Y
Method:
LeastSquares
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-700.4110
116.6679
-6.003458
0.0000
X
0.087831
0.004827
18.19575
0.0000
R-squared
0.919464
Meandependentvar
1266.452
AdjustedR-squared
0.916686
S.D.dependentvar
846.7570
S.E.ofregression
244.4088
Akaikeinfocriterion
13.89790
Sumsquaredresid
1732334.
Schwarzcriterion
13.99042
Loglikelihood
-213.4175
F-statistic
331.0852
Durbin-Watsonstat
1.089829
Prob(F-statistic)
0.000000
(2)异方差检验
考虑到横截面数据的特点,怀疑会产生异方差问题,对其以各种方法进行检验。
①简单观察
no
X
E
no
X
E
1
8777
193.5169
17
24127
159.3087
2
9210
-3.51399
18
25604
105.582
3
9954
-83.8604
19
26500
-227.115
4
10508
-91.5188
20
26760
179.0492
5
10979
-141.887
21
28300
414.7892
6
11912
-238.834
22
27430
308.2024
7
12747
-13.1728
23
29560
209.122
8
13499
17.77819
24
28150
-172.036
9
14269
-121.852
25
32100
131.0309
10
15522
-74.9042
26
32500
265.8984
11
16730
128.9957
27
35250
174.3627
12
17663
99.04925
28
33500
-521.933
13
18575
-152.053
29
36000
-561.511
14
19635
-205.154
30
36200
-379.077
15
21163
63.64021
31
38200
145.2608
16
22880
392.8341
通过对X与残差的观察,发现e似乎随着X变化而变化,怀疑有异方差,于是以各种方法对其进行检验。
②图示法
分别绘制Y及残差与解释变量X的散点图,从散点图来看,随着可支配收入的增加,Y和残差的离散程度在增加,可见随机误差项存在异方差。
③戈德菲尔德-匡特(Goldfeld-Quandt,G-Q)检验
将X的样本观察值按照升序排列,Y的观察值顺序与X观察值对应。
略去中间的9个样本观察值,剩余的样本观察值平均分为两组子样本,每个子样本的样本观察值数量为11个。
分别用两个子样本进行回归,得到各自的结果报告,从而得到各自的残差平方和。
A.排序
no
Y
X
no
Y
X
1
264.00
8777.00
17
1578.00
24127.00
2
105.00
9210.00
18
1654.00
25604.00
3
90.00
9954.00
19
1400.00
26500.00
4
131.00
10508.00
20
1829.00
26760.00
5
122.00
10979.00
21
2017.00
27430.00
6
107.00
11912.00
22
1600.00
28150.00
7
406.00
12747.00
23
2200.00
28300.00
8
503.00
13499.00
24
2105.00
29560.00
9
431.00
14269.00
25
2250.00
32100.00
10
588.00
15522.00
26
2420.00
32500.00
11
898.00
16730.00
27
1720.00
33500.00
12
950.00
17663.00
28
2570.00
35250.00
13
779.00
18575.00
29
1900.00
36000.00
14
819.00
19635.00
30
2100.00
36200.00
15
1222.00
21163.00
31
2800.00
38200.00
16
1702.00
22880.00
B.划分子样本并回归
子样本1:
no
Y
X
1
264.00
8777.00
2
105.00
9210.00
3
90.00
9954.00
4
131.00
10508.00
5
122.00
10979.00
6
107.00
11912.00
7
406.00
12747.00
8
503.00
13499.00
9
431.00
14269.00
10
588.00
15522.00
11
898.00
16730.00
子样本2:
no
Y
X
21
2017.00
27430.00
22
1600.00