EViews计量经济学实验报告异方差的诊断及修正.docx

1、EViews计量经济学实验报告异方差的诊断及修正时间 地点 实验一、 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White检验异方差；2、用加权最小二乘法修正异方差。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，运用EV软件，做回归分析，用图 示法，White检验模型是否存在异方差，如果存在异方差，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，假定销售利润与销售收入之间满 足线性约束，则理论模型设定为：Y二卩+卩X +卩i 1 2 i

2、I其中，Y表示销售利润，X表示销售收入。由1998年我国重要制造业的销售收入与销售 I I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）行业名称销售利润Y销售收入X食品加丄业187. 253180. 44食品制造业111.421119. 88饮料制造业205. 421489.89烟草加工业183.871328.59纺织业316. 793862. 9服装制造业157. 71779. 1皮革羽绒制品81.731081.77木材加工业35.67443. 74家具制造业31.06226. 78造纸及纸制品134.41124.94印刷业90. 12499. 83文教

3、体育用品54.4504. 44石油加工业194. 452363. 8化学原料制品502.614195.22医药制造业238.711264. 1化学纤维制造81.57779. 46橡胶制品业77.84692. 08塑料制品业144.341345非金属矿制业339. 262866. 14黑色金属冶炼367. 473868.28有色金属冶炼144. 291535.16金属制品业201.421948.12普通机械制造354.692351.68专用设备制造238.161714.73交通运输设备511.944011.53电子机械制造409. 833286. 15电子通信设备508.154499.19仪器仪

4、表设备72.46663. 68(2)参数估计1、 双击“Eviews” ,进入主页。输入数据：点击主菜单中的Fi 1 e/Open/EV Workfi 1 eExcel 异方差数据2.xls ；2、 在EV主页界面的窗口，输入Ts y c x”，按“Enter”。岀现OLS回归结果如图2：估计样本回归函数Dependent Variable: YMethod: Least SquaresDate: 10/19/05 Time: 15:27Sample: 1 28In eluded observations: 28VariableCoefficie ntStd. Error t-Statisti

5、cProb.C12.0356419.51779 0.6166500.5428X0.1043930.008441 12.366700.0000R-squared0.854696Mean dependent var213.4650Adjusted R-squared0.849107S.D. dependentvar146.4895S.E. of 佗gression56.90368Aka ike info criterio n10.98935Sum squared resid84188.74Schwarz criterion11.08450Log likelihood-151.8508F-stati

6、stic152.9353Durbin-Watson stat1.212795Prob(F-statistic)0.000000绝原假设，说明销售收入对销售利润有显著性影响。F二152.9353 表明方程整体显著。（三）检验模型的异方差探（一）图形法1、在uWorkfile”页面：选中x, y序列，点击鼠标右键，点击Open2 在 “Group” 页面： 点击 ViewGraphSeatterSimple Seatter, （图3所ZK）：600500400Y 30020010003 在 “Workfile” 页面：点击Generate,输入 “e2二residP” 一OK4、选中x, e2序列

7、，点击鼠标右键，Openas GroupYes5 在 “Group” 页面：点击 ViewGraphScatter一Simple Seatter, （图4所示）：250002000015000I100005000(1,26)= 4. 23 ,0.05 Group一Yes 得到X, Y的散点图得到X, e2的散点图0 1000 2000 3000 4000 50006、判断由图3可以看岀，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e 2对解释变量X的散点图主要分布在图形中的下三角部I分，大致看出残差平方e 2随x的变动呈增大趋势。因此 模型很可能

8、存在异方差。但是否i i确实存在异方差还应该通过更近一步的检验。探（二）White检验1、在 “Equation” 页面：点击 ViewResidual TestsWhite 检验（no cross）,（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White Heteroskedasticity Test:F-statistic3.607218Probability0.042036Obs*R-squared6.270612Probability0.043486Test Equation:Dependent Variable: RESID A 2Method: Le

9、ast SquaresDate: 10/19/05 Time: 15:29Sample: 1 28In eluded observations: 28VariableCoefficie ntStd. Error t-StatisticProb.C3279.7792857.117 -1.1479330.2619X5.6706343.109363 1.8237280.0802XA2-0.0008710.000653 -1.3340000.1942R-squared0.223950Mean dependent var3006.741Adjusted R-squared0.161866S.D. dep

10、endentvar5144.470S.E. of regression4709.744Aka ike info criterion19.85361Sum squared resid5.55E+08Schwarz criterion19.99635Log likelihood-274.9506F-statistic3.607218Durbin-Watson stat1.479908Prob(F-statistic)0.0420362、因为本例为-元函数，没有交叉乘积项，则辅助函数为。严話 X2+ 从上表可以看出，nR 2=6. 270612 ,有White检验知，在a =0, 05下，查无2分布

11、表，得临 界值X%5（2）二5.99147。比较计算的2统计量与临界值，因为nR 2二6.270612 %2qo5（2）二5.99147 ,所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。(4)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3二1/X , co =1/X 2, 3二i存1t t 2t t 3t 丿 t1、 在 X 2o.os（2）二5.99147 ,所以拒绝原假设,不拒绝备择假设，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3的效果最好，则估计结果为：2tY = 6.496703 + 0.106892 X.i i（1.863374） （9

12、.725260）R2二0. 922715 DW=1. 905670 F二94.58068括号中的数据为t统计量值。由上可以看出，R2二0.922715,拟合程度较好。在给定a =0.0时，t=9.725260 t （26）=2. 056 ,拒绝原假设，说明销售收入对销售利润有显著性影响。0.025F二94.58068F （1,26）二 4. 23 ,表明方程整体显著。0.05运用加权最小二乘法后，参数卩勺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0.106892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White H

13、eteroskedasticity Test:F-statistic3.144597Probability0.060509Obs*R-squared5.628058Probability0.059963Test Equation:Dependent Variable: STD_RESIDA2Method: Least SquaresDate: 10/22/10 Time: 00:17Sample: 1 28In eluded observati ons: 28VariableCoefficie ntStd. Error t-StatisticProb.C1927.346675.2246 2.8

14、543780.0085X-1.4566130.734838 -1.9822230.0585XA20.0002450.000154 1.5863420.1252R-squared0.201002Mean dependent var425.0258Adjusted R-squared0.137082S.D. dependentvar1198.210S.E. of regression1113.057Aka ike info criterion16.96857Sum squared resid30972414Schwarz criterion17.11130Log likelihood-234.5599F-statistic3.144597Durbin-Watson stat2.559506Prob(F-statistic)0.060509由上看出，nR2二5.628058，由White检验知，在a =0, 05下，查2分布表，得临界值:X2o.os（2）二5.99147。比较计算的X2统计量与临界值，因为nR2二5. 628058 X2o.os=5.99147 ,所以接受原假设，这说明修正后的模型不存在异方差。教师评阅意见: