EViews計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)報(bào)告-異方差的診斷及修正(共9頁(yè))

1、精選優(yōu)質(zhì)文檔-傾情為你奉上時(shí)間 地點(diǎn) 實(shí)驗(yàn)題目 異方差的診斷與修正 一、實(shí)驗(yàn)?zāi)康呐c要求：要求目的：1、用圖示法初步判斷是否存在異方差，再用White檢驗(yàn)異方差； 2、用加權(quán)最小二乘法修正異方差。二、實(shí)驗(yàn)內(nèi)容根據(jù)1998年我國(guó)重要制造業(yè)的銷(xiāo)售利潤(rùn)與銷(xiāo)售收入數(shù)據(jù)，運(yùn)用EV軟件，做回歸分析，用圖示法，White檢驗(yàn)?zāi)Ｐ褪欠翊嬖诋惙讲?，如果存在異方差，運(yùn)用加權(quán)最小二乘法修正異方差。三、實(shí)驗(yàn)過(guò)程：（實(shí)踐過(guò)程、實(shí)踐所有參數(shù)與指標(biāo)、理論依據(jù)說(shuō)明等）（一） 模型設(shè)定為了研究我國(guó)重要制造業(yè)的銷(xiāo)售利潤(rùn)與銷(xiāo)售收入是否有關(guān)，假定銷(xiāo)售利潤(rùn)與銷(xiāo)售收入之間滿足線性約束，則理論模型設(shè)定為：=+其中，表示銷(xiāo)售利潤(rùn)，表示銷(xiāo)售收入

2、。由1998年我國(guó)重要制造業(yè)的銷(xiāo)售收入與銷(xiāo)售利潤(rùn)的數(shù)據(jù)，如圖1：1988年我國(guó)重要制造業(yè)銷(xiāo)售收入與銷(xiāo)售利潤(rùn)的數(shù)據(jù) （單位：億元）行業(yè)名稱(chēng)銷(xiāo)售利潤(rùn)Y銷(xiāo)售收入X食品加工業(yè)187.253180.44食品制造業(yè)111.421119.88飲料制造業(yè)205.421489.89煙草加工業(yè)183.871328.59紡織業(yè)316.793862.9服裝制造業(yè)157.71779.1皮革羽絨制品81.731081.77木材加工業(yè)35.67443.74家具制造業(yè)31.06226.78造紙及紙制品134.41124.94印刷業(yè)90.12499.83文教體育用品54.4504.44石油加工業(yè)194.452363.8化學(xué)原料

3、制品502.614195.22醫(yī)藥制造業(yè)238.711264.1化學(xué)纖維制造81.57779.46橡膠制品業(yè)77.84692.08塑料制品業(yè)144.341345非金屬礦制業(yè)339.262866.14黑色金屬冶煉367.473868.28有色金屬冶煉144.291535.16金屬制品業(yè)201.421948.12普通機(jī)械制造354.692351.68專(zhuān)用設(shè)備制造238.161714.73交通運(yùn)輸設(shè)備511.944011.53電子機(jī)械制造409.833286.15電子通信設(shè)備508.154499.19儀器儀表設(shè)備72.46663.68（二） 參數(shù)估計(jì)1、雙擊“Eviews”，進(jìn)入主頁(yè)。輸入數(shù)據(jù)：點(diǎn)擊

4、主菜單中的File/Open /EV WorkfileExcel異方差數(shù)據(jù)2.xls ；2、在EV主頁(yè)界面的窗口，輸入“l(fā)s y c x”，按“Enter”。出現(xiàn)OLS回歸結(jié)果,如圖2： 估計(jì)樣本回歸函數(shù)Dependent Variable: YMethod: Least SquaresDate: 10/19/05 Time: 15:27Sample: 1 28Included observations: 28VariableCoefficientStd. Errort-StatisticProb.  C12.0356419.517790.0.5428X0.0.12.366

5、700.0000R-squared0.    Mean dependent var213.4650Adjusted R-squared0.    S.D. dependent var146.4895S.E. of regression56.90368    Akaike info criterion10.98935Sum squared resid84188.74    Schwarz criterion11.08450Log like

6、lihood-151.8508    F-statistic152.9353Durbin-Watson stat1.    Prob(F-statistic)0.估計(jì)結(jié)果為： = 12.03564 + 0.（19.51779） (0.)t=（0.） （12.36670）=0. =0. S.E.=56.89947 DW=1. F=152.9353這說(shuō)明在其他因素不變的情況下，銷(xiāo)售收入每增長(zhǎng)1元，銷(xiāo)售利潤(rùn)平均增長(zhǎng)0.元。=0. , 擬合程度較好。在給定=0.0時(shí)，t=12.36670 > =2.056 ，拒絕原假

7、設(shè)，說(shuō)明銷(xiāo)售收入對(duì)銷(xiāo)售利潤(rùn)有顯著性影響。F=152.9353 > = 4.23 ,表明方程整體顯著。（三） 檢驗(yàn)?zāi)Ｐ偷漠惙讲睿ㄒ唬﹫D形法1、在“Workfile”頁(yè)面：選中x,y序列，點(diǎn)擊鼠標(biāo)右鍵，點(diǎn)擊Openas GroupYes2、在“Group”頁(yè)面：點(diǎn)擊ViewGraphScatterSimple Scatter, 得到X,Y的散點(diǎn)圖（圖3所示）：3、在“Workfile”頁(yè)面：點(diǎn)擊Generate，輸入“e2=resid2”O(jiān)K4、選中x,e2序列，點(diǎn)擊鼠標(biāo)右鍵，Openas GroupYes5、在“Group”頁(yè)面：點(diǎn)擊ViewGraphScatterSimple Scatt

8、er, 得到X,e2的散點(diǎn)圖（圖4所示）：6、判斷由圖3可以看出，被解釋變量Y隨著解釋變量X的增大而逐漸分散，離散程度越來(lái)越大；同樣，由圖4可以看出，殘差平方對(duì)解釋變量X的散點(diǎn)圖主要分布在圖形中的下三角部分，大致看出殘差平方隨的變動(dòng)呈增大趨勢(shì)。因此，模型很可能存在異方差。但是否確實(shí)存在異方差還應(yīng)該通過(guò)更近一步的檢驗(yàn)。 （二）White檢驗(yàn)1、 在“Equation”頁(yè)面：點(diǎn)擊ViewResidual TestsWhite檢驗(yàn)（no cross）,（本例為一元函數(shù)，沒(méi)有交叉乘積項(xiàng)）得到檢驗(yàn)結(jié)果，如圖5：White檢驗(yàn)結(jié)果White Heteroskedasticity Test:F-statis

9、tic3.    Probability0.Obs*R-squared6.    Probability0.Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 10/19/05 Time: 15:29Sample: 1 28Included observations: 28VariableCoefficientStd. Errort-StatisticProb.  C-3279.7792857.117-1.0.26

10、19X5.3.1.0.0802X2-0.0.-1.0.1942R-squared0.    Mean dependent var3006.741Adjusted R-squared0.    S.D. dependent var5144.470S.E. of regression4709.744    Akaike info criterion19.85361Sum squared resid5.55E+08    Schwarz cr

11、iterion19.99635Log likelihood-274.9506    F-statistic3.Durbin-Watson stat1.    Prob(F-statistic)0.2、因?yàn)楸纠秊橐辉瘮?shù)，沒(méi)有交叉乘積項(xiàng)，則輔助函數(shù)為 =+ 從上表可以看出，n=6. ，有White檢驗(yàn)知，在=0,05下，查分布表，得臨界值（2）=5.99147。比較計(jì)算的統(tǒng)計(jì)量與臨界值，因?yàn)閚= 6. > （2）=5.99147 ，所以拒絕原假設(shè)，不拒絕備擇假設(shè)，這表明模型存在異方差。（四） 異方差的修正在運(yùn)用

12、加權(quán)最小二乘法估計(jì)過(guò)程中，分別選用了權(quán)數(shù)=1/，=1/，=1/。1、在“Workfile”頁(yè)面：點(diǎn)擊“Generate”，輸入“w1=1/x”O(jiān)K ；同樣的輸入“w2=1/x2”“w3=1/sqr(x)”；2、在“Equation”頁(yè)面：點(diǎn)擊“Estimate Equation”,輸入“y c x”,點(diǎn)擊“weighted”,輸入“w1”,出現(xiàn)如圖6：用權(quán)數(shù)的結(jié)果Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:13Sample: 1 28Included observations: 28Weighting se

13、ries: W1VariableCoefficientStd. Errort-StatisticProb.  C5.6.0.0.3583X0.0.13.317340.0000Weighted StatisticsR-squared0.    Mean dependent var123.4060Adjusted R-squared-0.    S.D. dependent var31.99659S.E. of regression32.07117    Ak

14、aike info criterion9.Sum squared resid26742.56    Schwarz criterion9.Log likelihood-135.7956    F-statistic177.3515Durbin-Watson stat1.    Prob(F-statistic)0.Unweighted StatisticsR-squared0.    Mean dependent var213.4650

15、Adjusted R-squared0.    S.D. dependent var146.4895S.E. of regression57.21632    Sum squared resid85116.40Durbin-Watson stat1.3、在“Equation”頁(yè)面：點(diǎn)擊“Estimate Equation”,輸入“y c x”,點(diǎn)擊“weighted”,輸入“w2”,出現(xiàn)如圖7：用權(quán)數(shù)的結(jié)果Dependent Variable: YMethod: Least SquaresDate: 10/22/1

16、0 Time: 00:16Sample: 1 28Included observations: 28Weighting series: W2VariableCoefficientStd. Errort-StatisticProb.  C6.3.1.0.0737X0.0.9.0.0000Weighted StatisticsR-squared0.    Mean dependent var67.92129Adjusted R-squared0.    S.D. dependent var75.51

17、929S.E. of regression21.39439    Akaike info criterion9.Sum squared resid11900.72    Schwarz criterion9.Log likelihood-124.4604    F-statistic94.58068Durbin-Watson stat1.    Prob(F-statistic)0.Unweighted StatisticsR-squa

18、red0.    Mean dependent var213.4650Adjusted R-squared0.    S.D. dependent var146.4895S.E. of regression57.00434    Sum squared resid84486.88Durbin-Watson stat1.4、在“Equation”頁(yè)面：點(diǎn)擊“Estimate Equation”,輸入“y c x”,點(diǎn)擊“weighted”,輸入“w3”,出現(xiàn)如圖8：用權(quán)數(shù)的結(jié)果

19、Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:17Sample: 1 28Included observations: 28Weighting series: W3VariableCoefficientStd. Errort-StatisticProb.  C8.11.187330.0.4469X0.0.13.704730.0000Weighted StatisticsR-squared0.    Mean dependent var165.8420

20、Adjusted R-squared0.    S.D. dependent var67.13044S.E. of regression42.63646    Akaike info criterion10.41205Sum squared resid47264.56    Schwarz criterion10.50720Log likelihood-143.7686    F-statistic187.8197Durbin-Wats

21、on stat1.    Prob(F-statistic)0.Unweighted StatisticsR-squared0.    Mean dependent var213.4650Adjusted R-squared0.    S.D. dependent var146.4895S.E. of regression56.95121    Sum squared resid84329.44Durbin-Watson stat1.經(jīng)

22、估計(jì)檢驗(yàn)，發(fā)現(xiàn)用權(quán)數(shù)，的結(jié)果，其可決系數(shù)反而減??；只有用權(quán)數(shù)的效果最好，可決系數(shù)增大。 用權(quán)數(shù)的結(jié)果Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:16Sample: 1 28Included observations: 28Weighting series: W2VariableCoefficientStd. Errort-StatisticProb.  C6.3.1.0.0737X0.0.9.0.0000Weighted StatisticsR-squared0.  

23、  Mean dependent var67.92129Adjusted R-squared0.    S.D. dependent var75.51929S.E. of regression21.39439    Akaike info criterion9.Sum squared resid11900.72    Schwarz criterion9.Log likelihood-124.4604    F-st

24、atistic94.58068Durbin-Watson stat1.    Prob(F-statistic)0.Unweighted StatisticsR-squared0.    Mean dependent var213.4650Adjusted R-squared0.    S.D. dependent var146.4895S.E. of regression57.00434    Sum squared resid844

25、86.88Durbin-Watson stat1.用權(quán)數(shù)的估計(jì)結(jié)果為： = 6. + 0.（1.） （9.）=0. DW=1. F=94.58068括號(hào)中的數(shù)據(jù)為t統(tǒng)計(jì)量值。由上可以看出，運(yùn)用加權(quán)最小二乘法消除了異方差后，參數(shù)的t檢驗(yàn)顯著，可決系數(shù)提高了不少，F(xiàn)檢驗(yàn)也顯著，并說(shuō)明銷(xiāo)售收入每增長(zhǎng)1元，銷(xiāo)售利潤(rùn)平均增長(zhǎng)0.元。四、實(shí)踐結(jié)果報(bào)告： 1、用圖示法初步判斷是否存在異方差：被解釋變量Y隨著解釋變量X的增大而逐漸分散，離散程度越來(lái)越大；同樣的，殘差平方對(duì)解釋變量X的散點(diǎn)圖主要分布在圖形中的下三角部分，大致看出殘差平方隨的變動(dòng)呈增大趨勢(shì)。因此，模型很可能存在異方差。但是否確實(shí)存在異方差還應(yīng)該通

26、過(guò)更近一步的檢驗(yàn)。再用White檢驗(yàn)異方差：因?yàn)閚= 6. > （2）=5.99147 ，所以拒絕原假設(shè)，不拒絕備擇假設(shè)，這表明模型存在異方差。2、用加權(quán)最小二乘法修正異方差：發(fā)現(xiàn)用權(quán)數(shù)的效果最好，則估計(jì)結(jié)果為： = 6. + 0.（1.） （9.）=0. DW=1. F=94.58068括號(hào)中的數(shù)據(jù)為t統(tǒng)計(jì)量值。由上可以看出，=0.,擬合程度較好。在給定=0.0時(shí)，t=9. > =2.056 ，拒絕原假設(shè)，說(shuō)明銷(xiāo)售收入對(duì)銷(xiāo)售利潤(rùn)有顯著性影響。F=94.58068 > = 4.23 , 表明方程整體顯著。運(yùn)用加權(quán)最小二乘法后，參數(shù)的t檢驗(yàn)顯著，可決系數(shù)提高了不少，F(xiàn)檢驗(yàn)也顯著，并說(shuō)明銷(xiāo)售收入每增長(zhǎng)1元，銷(xiāo)售利潤(rùn)平均增長(zhǎng)0.元。3、再用White檢驗(yàn)修正后的模型是否還存在異方差：White檢驗(yàn)結(jié)果White Heteroskedasticity