Eviews異方差性實(shí)驗(yàn)報(bào)告

1、.實(shí)驗(yàn)一異方差性【實(shí)驗(yàn)?zāi)康摹空莆债惙讲钚詥栴}出現(xiàn)的來源、后果、檢驗(yàn)及修正的原理，以及相關(guān)的 Eviews 操作方法?！緦?shí)驗(yàn)內(nèi)容】以計(jì)量經(jīng)濟(jì)學(xué)學(xué)習(xí)指南與練習(xí)補(bǔ)充習(xí)題 4-16 為數(shù)據(jù)，練習(xí)檢查和克服模型的異方差的操作方法?！?4-16 】表 4-1 給出了美國 18 個(gè)行業(yè) 1988 年研究開發(fā)（ R&D ）費(fèi)用支出 Y 與銷售收入 X 的數(shù)據(jù)。請用帕克（ Park ）檢驗(yàn)、戈里瑟（ Gleiser ）檢驗(yàn)、 G-Q 檢驗(yàn)與懷特（ White ）檢驗(yàn)來檢驗(yàn) Y 關(guān)于 X 的回歸模型是否存在異方差性？若存在異方差性，請嘗試消除它。表 4-1單位：百萬美元序號研究開發(fā)費(fèi)用 Y銷售收入 X162.56

2、375.3292.911626.43178.314655.14258.421869.25494.726408.361083.032405.671620.635107.78421.740295.49509.270761.6106620.180522.8113918.695294.0121595.3101314.1136107.5116141.3144454.1122315.7153163.8141649.91613210.7175025.8171703.8230614.5【實(shí)驗(yàn)步驟】一檢查模型是否存在異方差性1、圖形分析檢驗(yàn)（ 1）散點(diǎn)相關(guān)圖分析做出銷售收入 X 與研究開發(fā)費(fèi)用 Y 的散點(diǎn)相關(guān)圖

3、（ SCAT X Y ）。觀察相關(guān)圖可以看出，隨著銷售收入的增加， 研究開發(fā)費(fèi)用的平均水平不斷提高， 但離散程度也逐步擴(kuò)大。這說明變量之間可能存在遞增的異方差性。,.（ 2）殘差圖分析首先對數(shù)據(jù)按照解釋變量 X 由小至大進(jìn)行排序 （SORT X ），然后建立一元線性回歸方程（ LS Y C X ）。因此，模型估計(jì)式為：Y 187.5070.032 * X- （*）(0.17)(2.88)R2=0.31s.e.=2850F=0.011建立殘差關(guān)于 X 的散點(diǎn)圖，可以發(fā)現(xiàn)隨著 X 增加，殘差呈現(xiàn)明顯的擴(kuò)大趨勢，表明存在遞增的異方差。,.2、Park 檢驗(yàn)建立回歸模型（ LS Y C X ），結(jié)果如

4、（ *）式。生成新變量序列：GENR LNE2 = LOG(RESID2)GENR LNX = LOG(X)生成新殘差序列對解釋變量的回歸模型（LS LNE2 C LNX ）。從下圖所示的回歸結(jié)果中可以看出， LNX 的系數(shù)估計(jì)值不為0 且能通過顯著性檢驗(yàn)，即隨機(jī)誤差項(xiàng)的方差與解釋變量存在較強(qiáng)的相關(guān)關(guān)系，即認(rèn)為存在異方差性。,.3、Gleiser 檢驗(yàn)建立回歸模型（ LS Y C X ），結(jié)果如（ *）式。生成新變量序列：GENR E = ABS(RESID)11分別建立新殘差序列 E 對各解釋變量 X /X2/X 2/ X 1/X 2/X 2的回歸模型（ LS E C X ），回歸結(jié)果如各圖

5、所示。,.,.由上述各回歸結(jié)果可知，各回歸模型中解釋變量的系數(shù)估計(jì)值顯著不為0，且除了 X 2 的系數(shù)，均能通過10% 的顯著性檢驗(yàn)。所以認(rèn)為存在異方差性。4、G-Q 檢驗(yàn)將樣本按解釋變量排序（ SORT X）并分成兩部分，分別為1到7和11到17，各 7個(gè)樣本。利用樣本 1 建立回歸模型1（SMPL 1 7LS Y C X），其殘差平方和為412586.0。,.利用樣本 2 建立回歸模型 2（SMPL 11 17LS Y C X ），其殘差平方和為94219377 。計(jì)算 F 統(tǒng)計(jì)量：FRSS2 / RSS1 91219377 / 412586 = 221.09，RSS1 和 RSS2分別是

6、模型 1 和模型 2 的殘差平方和。取0.05時(shí)，查F分布表得F0.05(711,711)5.05，而F221.09F0.055.05 ，所以存在異方差性。,.5、White 檢驗(yàn)建立回歸模型（ LS Y C X ）。在窗口菜單中選擇Heteroskedasticity Test: White，檢驗(yàn)結(jié)果如下：其中F 值為輔助回歸模型的F 統(tǒng)計(jì)量值。取顯著水平0.05 ，由于2(2)5.99 nR217 * 9.9137168.533 ，所以存在異方差性。同時(shí)可以直接0 .05觀察相伴概率 P 值的大小，這里 P = 0.0022 ，小于 0.05 的顯著水平，認(rèn)為存在異方差性。二克服異方差1、

7、確定權(quán)數(shù)變量根據(jù) Park 檢驗(yàn)生成權(quán)數(shù)變量： GENR W1=1/X1.5019根據(jù) Gleiser 檢驗(yàn)生成權(quán)數(shù)變量： GENR W2=1/X2另外生成： GENR W3=1/ABS(RESID)GENR W4=1/RESID2其中 RESID 為最初回歸模型LS Y C X 的殘差序列。2、利用加權(quán)最小二乘法估計(jì)模型在 Eviews 命令窗口中依次鍵入命令LS(W= Wi ) Y C X ，或在回歸的權(quán)數(shù)變量欄里依次輸入 W1 、W2 、 W3 、W4 ，得到回歸結(jié)果。并對所估計(jì)的模型再分別進(jìn)行 White 檢驗(yàn)，觀察異方差的調(diào)整情況。,.W1 ：W2 ：,.W3 ：,.W4 ：權(quán)數(shù)為 W1 、W2 、W4 所對應(yīng)的 White 檢驗(yàn)顯示， P 值較大，都超