EViews计量经济学实验报告异方差的诊断及修正
计量经济学 异方差检验
计量经济学实验报告【实验名称】异方差的检验和修正【实验目的】掌握用Eviews 检验模型中异方差问题的检验和补救方法，能够正确理解和分析Eviews的输出结果【实验内容】（1）试利用OLS法建立人均消费性支出与可支配收入的线性模型；（2）检验模型是否存在异方差性；（3）如果存在异方差性，试采用适当的方法估计模型参数。
【结果分析】1.建立模型打开Eviews软件，选中File\New\Workfile以创建一个工作文件，文件结构类型为undated。
在命令栏中输入“data X Y”，回车后得到一个未命名的组，向组中输入数据。
如下图。
设可支配收入为变量X（横坐标），消费性支出为变量Y（纵坐标），选中Quick\Graph，在出现的对话框中输入“X Y”，点击OK后在新出现的Graph对话框中，在Graph type中选择Categorical Graph下的scatter，点击OK，如下图所示：以X 为解释变量，Y 为被解释变量，建立一元线性回归方程：i 0i i Y =+*X ββ选中Object/New Objects ，在新建对象对话框中选中对象为Equation ，在出现的对话框中输入“y c x ”，进行回归分析，得到如下结果。
可以得出0β=725.3459 1β =0.664746 线性回归方程为：i Y =0β+1β *X=725.3459+0.664746*X（1.589047）（22.49622）2R=0.945802 F=506.0798由散点图可知，原模型很可能存在异方差性，为此，进一步的进行更精确的检验。
G-Q检验：升序排列去掉中间的7个样本，剩余24个样本，再分成两个样本容量为12的子样本，对两个子样本分别用OLS法作回归：键入命令Smpl 1 12Equation eq01.Is Y C XSmpl 20 31Equation eq02.Is Y C X完成对两个子样的回归；0β’=669.5344 1β’=0.677374i Y =0β’+ 1β’*X=669.5344+0.677374*X子样1： (0.281991) (3.490176)RSS1=1971249i Y =1179.053+0.644719*X子样2： (0.954140) (9.951062) RSS2=8403437计算F 统计量：F=197124984034371112/21-1-12/1=--）（）（RSS RSS =4.263 在5%的显著性水平下，自由度为（10,10）的F 分布的临界值为4.263，于是拒绝同方差的原假设，表明模型存在异方差。
EViews计量经济学实验报告-异方差的诊断及修正模板(word文档良心出品)
姓名 学号实验题目 异方差的诊断与修正一、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：i Y =1β+2βi X +i μ其中，i Y 表示销售利润，i 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）（二） 参数估计Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob. C 12.03564 19.51779 0.616650 0.5428 X0.1043930.008441 12.366700.0000R-squared 0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependent var 146.4895 S.E. of regression 56.90368 Akaike info criterion 10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450 Log likelihood -151.8508 F-statistic 152.9353 Durbin-Watson stat1.212795 Prob(F-statistic)0.000000估计结果为： iY ˆ = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670）2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。
异方差的检验与修正
西安财经学院本科实验报告学院（部）统计学院实验室 313 课程名称计量经济学学生姓名学号 1204100213 专业统计学教务处制2014年12 月 15 日《异方差》实验报告开课实验室：313 2014年12月22第六部分异方差与自相关4. 在本例中，参数估计的结果为：2709030.01402097.01402.728X X Y ++=Λ(2.218) (2.438) (16.999)922173.02=R D.W.=1.4289 F=165.8853 SE=395.2538三．检查模型是否存在异方差 1．图形分析检验 (1)散点相关图分析分别做出X1和Y 、X2和Y 的散点相关图，观察相关图可以看出，随着X1、X2的增加，Y 也增加，但离散程度逐步扩大，尤其表现在X1和Y.这说明变量之间可能存在递增的异方差性。
在Graph/scatter 输入log(x2) e^2，结果如下：（2）残差相关图分析建立残差关于X1、X2的散点图，可以发现随着X 的增加，残差呈现明显的扩大趋势，表明模型很可能存在递增的异方差性。
但是否确实存在异方差还应通过更进一步的检验。
2.GQ 检验首先在主窗口Procs菜单里选Sort current page命令，输入排序变量x2，以递增型排序对解释变量X2进行排序，然后构造子样本区间，分别为1-12和20-31，再分别建立回归模型。
(1)在Sample菜单里，将区间定义为1—12，然后用OLS方法求得如下结果(2)在Sample菜单里，将区间定义为20—31，然后用OLS方法求得如下结果则F的统计量值为：6699.834542929948192122===∑∑iieeF在05.0=α下，式中分子、分母的自由度均为9，查F分布表得临界值为：18.3)9,9(05.0=F，因为F=8.6699>18.3)9,9(05.0=F,所以拒绝原假设，表明模型确实存在异方差。
计量经济学EViews自相关检验及修正实验报告
自相关问题的检验与修正【实验目的与要求】熟练使用EViews软件进行计量分析，理解自相关的检验和估计的基本方法【实验准备】1.自相关的基本概念：若Cov(u i,u j)=E(u i uj)=0(i≠j)不成立，即线性回归模型扰动项的方差—协方差矩阵的非主对角线元素不全为零，则称为扰动项自相关，或序列相关（serial correlation）2.自相关的后果：（1）在扰动项自相关的情况下，尽管OLS估计量仍为无偏估计量，但不再具有最小方差的性质，即不是BLUE。
（2）OLS估计量的标准误差不再是真实标准误差的无偏估计量，使得在自相关的情况下，无法再信赖回归参数的置信区间或假设检验的结果。
3.检验自相关的基本方法：残差检验、D.W检验、Q检验4.自相关的修正方法：广义差分法。
【实验内容】1.利用实验数据建立实际有效汇率REER对名义有效汇率NEER的一元回归模型，根据残差检验、D.W 检验、Q检验判别是否存在自相关。
2.利用实验数据，建立中国出口EX对中国进口IM的一元回归模型，根据残差检验、D.W检验、Q 检验判别是否存在自相关。
3.如果检验结果为存在自相关，根据残差检验和D.W检验估计一阶自相关系数。
4.根据估计出的一阶自相关系数，利用广义差分法估计模型。
5.对利用广义差分法估计得到的模型，根据残差检验、D.W检验、Q检验判别是否存在自相关。
6.对实际有效汇率REER对名义有效汇率NEER和中国出口EX对中国进口IM的一元回归模型，根据残差检验和Q检验判别是否存在高阶自相关。
7.如果检验结果为存在高阶自相关，根据残差检验估计高阶自相关系数。
8.根据估计出的高阶自相关系数，利用广义差分法估计模型。
9.对利用广义差分法估计得到的模型，根据残差检验和Q检验判别是否存在高阶自相关。
10.对在同样数据基础上得到的不同模型进行比较分析。
以下实验数据为1980-2003年人民币名义有效汇率（NEER）和实际有效汇率（REER）的数据（来源于国际货币基金组织出版的国际金融统计（IFS））和1982-2002年中国出口（EX）和进口（IM）（单位：亿美元）的数据（来源于中国商务部网站）。
异方差的检验及修正
异方差问题的检验与修正【实验目的】1、深刻理解异方差性的实质、异方差出现的原因、异方差的出现对模型的不良影响（即异方差的后果），掌握估计和检验异方差性的基本思想和修正异方差的若干方法。
2、能够运用所学的知识处理模型中的出现的异方差问题，并要求初步掌握用Eviews处理异方差的基本操作方法。
【实验原理】1、最小二乘估计。
2、异方差。
3、最小二乘残差图解释异方差。
4、Breusch-Pagan检验（B-P检验）和White检验（怀特检验）检验特定方差函数的异方差性。
5、稳健标准差和加权最小二乘法对特定方差函数的异方差性的修正。
【实验软件】Eviews6.0【实验步骤】一、设定模型首先将实验数据导入软件之中。
（注：本实验报告正文部分只显示软件统计结果，导入数据这一步骤参见附A）本次实验的数据主要是Big Andy店的食品销售收入数据与食品价格数据，共采用了75组。
实验数据来源于课本中的例题，由老师提供。
如下表：表Big Andy店月销售收入和价格的观测值sales price sales price sales price sales price 73.2 5.6975.7 5.5978.1 5.773.7671.8 6.4974.4 6.2288 5.2271.2 6.3762.4 5.6368.7 6.4180.4 5.0584.7 5.3367.4 6.2283.9 4.9679.7 5.7673.6 5.2389.3 5.0286.1 4.8373.2 6.2573.7 5.8870.3 6.4173.7 6.3585.9 5.3478.1 6.2473.2 5.8575.7 6.4783.3 4.9869.7 6.4786.1 5.4178.8 5.6973.6 6.3967.6 5.4681 6.2473.7 5.5679.2 6.2286.5 5.1176.4 6.280.2 6.4188.1 5.187.6 5.0476.6 5.4869.9 5.5464.5 6.4984.2 5.0882.2 6.1469.1 6.4784.1 4.8675.2 5.8682.1 5.3783.8 4.9491.2 5.184.7 4.8968.6 6.4584.3 6.1671.8 5.9873.7 5.6876.5 5.3566 5.9380.6 5.0282.2 5.7380.3 5.2284.3 5.273.1 5.0874.2 5.1170.7 5.8979.5 5.6281 5.2375.4 5.7175 5.2180.2 5.2873.7 6.0281.35.45756.0581.25.83696.33其中，sales 表示在某城市的月销售收入，以千美元为单位；price 表示在该城市的价格，以美元为单位。
Eviews异方差性实验报告
实验一异方差性【实验目的】掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。
【实验内容】以《计量经济学学习指南与练习》补充习题4-16为数据，练习检查和克服模型的异方差的操作方法。
【4-16】表4-1给出了美国18个行业1988年研究开发（R&D）费用支出Y与销售收入X的数据。
请用帕克（Park）检验、戈里瑟（Gleiser）检验、G-Q检验与怀特（White）检验来检验Y关于X的回归模型是否存在异方差性？若存在【实验步骤】一检查模型是否存在异方差性1、图形分析检验（1）散点相关图分析做出销售收入X与研究开发费用Y的散点相关图（SCAT X Y）。
观察相关图可以看出，随着销售收入的增加，研究开发费用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。
（2）残差图分析首先对数据按照解释变量X 由小至大进行排序（SORT X ），然后建立一元线性回归方程（LS Y C X ）。
因此，模型估计式为：X Y *032.0507.187+=∧----------（*）(0.17) (2.88) R 2=0.31 s.e.=2850 F=0.011建立残差关于X 的散点图，可以发现随着X 增加，残差呈现明显的扩大趋势，表明存在递增的异方差。
2、Park检验建立回归模型（LS Y C X），结果如（*）式。
生成新变量序列：GENR LNE2 = LOG(RESID^2)GENR LNX = LOG(X)生成新残差序列对解释变量的回归模型（LS LNE2 C LNX）。
从下图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。
3、Gleiser 检验建立回归模型（LS Y C X ），结果如（*）式。
生成新变量序列： GENR E = ABS(RESID)分别建立新残差序列E 对各解释变量2121212/////---XXXX X X 的回归模型（LS E C X ），回归结果如各图所示。
EViews计量经济学实验报告异方差的诊断及修正
姓名 学号实验题目 异方差的诊断与修正一、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：i Y =1β+2βi X +i μ其中，i Y 表示销售利润，i 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）Dependent Variable: YMethod: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.??C 12.03564 19.517790.6166500.5428 X0.1043930.00844112.366700.0000R-squared0.854696 ????Mean dependent var 213.4650Adjusted R-squared 0.849107 ????S.D. dependent var 146.4895 S.E. of regression 56.90368 ????Akaike info criterion 10.98935 Sum squared resid 84188.74 ????Schwarz criterion 11.08450 Log likelihood -151.8508 ????F-statistic 152.9353 Durbin-Watson stat1.212795 ????Prob(F-statistic)0.000000估计结果为： iY ˆ = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670）2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。
金融计量学实验一异方差的检验与修正Eviews截图
金融计量学实验一异方差的检验与修正E v i e w s截图Coca-cola standardization office【ZZ5AB-ZZSYT-ZZ2C-ZZ682T-ZZT18】异方差的检验与修正一、实验目的了解异方差、Goldfeld-Quandt检验、Spearman rank correlation检验、Park 检验、Breusch-Pagan检验、White检验、加权最小二乘法（WLS）、模型对数变化法等基本概念及异方差产生的原因和后果。
二、基本概念异方差就是对同方差假设的违反。
经典回归中同方差是指随着样本观察点X的变化，线性模型中随机误差项的方差并不改变，保持为常数。
异方差的检验有图示法及解析法，检验异方差的解析方法的共同思想是，由于不同的观察值随机误差项具有不同的方差，因此检验异方差的主要问题是判断随机误差项的方差与解释变量之间的相关性。
异方差的修正方法有加权最小二乘法和模型对数变化法等，其基本思想路线是变异方差为同方差，或者尽量缓解方差变异的程度。
三、实验内容及要求根据北京市1978-1998年人均储蓄与人均收入的数据资料，若假定X为人均收入（元），Y为人均储蓄（元），通过建立一元线性回归模型分析人均储蓄受人均收入的线性影响，并讨论异方差的检验与修正过程。
四、实验指导1. 用OLS估计法估计参数（1）导入数据打开Eviews软件，选择“File”菜单中的“New--Workfile”选项，出现“Workfile Range”对话框，在“Workfile frequency”框中选择“Annual”,在“Start date”和“End date”框中分别输入“1978”和“1998”，然后单击“OK”，弹出如下窗口：选择“File”菜单中的“Import--Read Text-Lotus-Excel”“打开”出现“Excel Spreadsheet Import”对话框并在其中输入“x”和“y”, 再单击“OK”完成数据导入。
异方差的检验与修正
西安财经学院本科实验报告学院（部）统计学院实验室313课程名称计量经济学学生姓名学号1204100213专业统计学教务处制2014年12 月15 日《异方差》实验报告五、实验过程原始记录（数据、图表、计算等) 一．选择数据1.建立工作文件并录入数据File\New\workfile, 弹出Workfile create 对话框中选择数据类型.Object\new object\group,按向上的方向键，出现两个obs 后输入数据.中国内地2006年各地区农村居民家庭人均纯收入与消费支出 单位：元城市 y x1 x2 城市 y x1 x2 北京 5724。
5 958.3 7317。
2 湖北 2732。
5 1934。
6 1484。
8 天津 3341。
1 1738.9 4489 湖南 3013。
3 1342.6 2047 河北 2495。
3 1607。
1 2194。
7 广东 3886 1313。
9 3765.9 山西 2253.3 1188。
2 1992.7 广西 2413。
9 1596。
9 1173。
6 内蒙古 2772 2560.8 781.1 海南 2232。
2 2213。
2 1042.3 辽宁 3066。
9 2026。
1 2064。
3 重庆 2205。
2 1234.1 1639。
7 吉林 2700.7 2623。
2 1017。
9 四川 2395 1405 1597.4 黑龙江 2618。
2 2622.9 929.5 贵州 1627。
1 961。
4 1023。
2 上海 8006 532 8606.7 云南 2195.6 1570。
3 680。
2 江苏 4135.2 1497。
9 4315.3 西藏 2002。
2 1399.1 1035.9 浙江 6057。
2 1403.1 5931。
7 陕西 2181 1070。
4 1189。
8 安徽 2420。
9 1472。
8 1496。
3 甘肃 1855.5 1167。
线性回归模型异方差的诊断与修正_基于EVIEWS软件的实例分析
７９９０．４５
６３１．３
青海
７７８５．０９
６２１．１
宁夏
７７４８．５３
６１１．３
新疆
８２０１．８２
６２５．１８
资料来源：中国价格及城镇居民家庭收支
调查统计年鉴［Ｍ］。中国统计出版社，２００５。
视化操作的优良性。可以使用鼠标对菜单
１、Ｇｏｌｄｆｅｌｄ－Ｑｕａｎａｄｔ 检验
和对话框进行操作，也可以通过主窗口上
Sum squared resid 48020.56 Schwarz criterion 10.40482
中国 集体经济·学术探讨
线性回归模型异方差的诊断与修正
———基于 EVIEWS 软件的实例分析
■ 张振强 韦兰英
摘 要 ：文 章 通 过 实 际 案 例 分 析 ，介 绍 了 回归模型异方差性的诊断与修正的几种方 法，并给出了如何结合 EVIEWS 软件实现 异方差性的检验与消除的方法和程序。
关键词：计量经济学；线性回归模型； 异方差；EVIEWS 软件
+u，其 中 ，ECM 反 映 了 国 民 收 入 和 货币供应量的短期波动偏离它们 长期均衡关系的程度。 方程估计结
表 3 误差修正模型估计结果
Dependent Variable：D（LOG_GDP） Method：Least Squares
果见表 3。
Sample （adjusted）：1995Q2 2008Q2
；（其中 ｋ
２
２
为解释变量的个数）。
计算
Ｆ
值：Ｆ＝
δ２２ δ１２
＝ ＲＳＳ２ ＲＳＳ１
，且
Ｆ
服
从
Ｆα（
ｎ－ｃ ２
－ｋ－１，ｎ－ｃ ２
实验五 计量经济学异方差问题及其修正
实验五异方差性一、实验目的掌握异方差的检验方法与处理方法.二、实验要求应用教材第116页案例做异方差模型的图形法检验、Goldfeld-Quanadt检验与White检验，使用WLS法对异方差进行修正；三、实验原理异方差性检验：图形法检验、Goldfeld-Quanadt检验、White检验与加权最小二乘法；四、实验步骤一、模型的OLS估计（1）录入数据打开EViews6，点“File”→“New”→“Workfile”选择“Unstructured/Undated”，在Observations 后输入21，如下所示：点击“ok”。
在命令行输入：DATA Y X，回车。
将数据复制粘贴到Group中的表格中，如下图：（2）估计回归方程在命令行输入命令：LS Y C X ，回车。
或者在主菜单中点“Quick ”→“Estimate Equation ”，在Specification 中输入 Y C X ，点“确定”。
得到如下估计结果： 写出回归方程：i ˆ562.9075 5.3728iY X =-+t=(-1.9306) (8.3398)2R=0.7854 F=69.55二、模型的异方差检验1、图示检验法（1）作散点图：X——Y在命令行输入命令：scat X Y ，回车（2）作散点图：X——2~ei首先生成残差的平方序列，在命令行输入命令：GENR E2=resid^2 ，回车。
作散点图：在命令行输入命令： SCAT X 2~e E2 ，回车，结果如下图。
i由上图可以看出，残差平方2~i e 对解释变量X 的散点图主要分布在图形中的下三角部分，大致看出残差平方2~i e 随i X 的变动呈增大的趋势，因此，模型很可能存在异方差。
2、模型的G-Q 检验 原假设0H :同方差 备择假设1H :异方差（1）首先将样本按X 由小到大的顺序排列，在命令行输入命令：SORT X 回车（2）去除掉中间的5个样本（n/4=5.25，为了使剩下的样本能被平均分成两份，去掉7个），将剩余的16个样本平均分为两份，每一份8个样本。
实验二 异方差、序列相关的检验及修正
实验二：异方差和自相关模型的检验和处理二、实验目的(1) 熟悉EViews软件在自相关模型中的根本使用方法；(2) 掌握异方差、自相关模型的检验和处理方法；三、实验的软硬件环境要求硬件环境要求：科学计算与经济分析实验室，计算机网络设备，需要连接Internet使用的软件名称、版本号以及模块带Windows操作系统以及EViews应用演示软件。
四、知识准备前期要求掌握的知识：了解EViews软件在自相关和异方差分析中的根本概念和根本功能，理解违背线性回归模型的根本假设中的自相关和异方差产生的原因，解决这两类问题的根本理论。
实验相关理论或原理：(1)理解线性模型违背根本假设：误差项同方差性、无序列相关性的含义及其在实际经济问题中产生的原因；(2)掌握线性模型异方差性和序列相关性的检验的统计思想和EViews实现。
(3) 掌握线性模型异方差性和序列相关性的处理方法统计思想和EViews实现。
实验流程：线性回归模型假设→线性回归模型异方差和序列相关性检验→线性回归模型异方差和序列相关性的处理→线性回归模型的修正。
五、实验材料和原始数据表2.1 各地区农村居民家庭人均纯收入与消费支出〔单位：元〕表2.2 1978~2001年中国商品进口与国内生产总值六、实验要求和考前须知能用EViews软件完成线性回归模型的异方差和序列相关性的检验和处理，以及对模型的修正。
能对软件输出的结果能做较详细的分析，能结合数据提出自己的见解。
七、实验内容及步骤〔一〕异方差1.加载工作文件。
(1)建立工作文件的方法是点击,选择新建对象类型为工作文件，选择数据类型，注意本数据是截面数据。
建立工作文件，建立新序列，建立空组。
创立三个序列Y(人均消费支出)、X1(从事农业经营的收入)、X2(其他收入)并输入数据。
进入界面后输入数据如图3－1，3-2所示。
图3－1 图3－22.选择方程〔1〕根据消费理论，中国农村居民人均消费主要由人均纯收入决定，为了考察从事农业经营的收入和其他收入对农村居民消费支出增长的影响，考虑双对数模型：01122ln ln ln Y X X βββμ=+++〔2〕先对模型进展估计。
eviews的异方差检验
异方差的处理
文档附赠有可编辑的3D小人素材
地区
北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东
农业总产值 亿元 115.48 117.60
1639.07 322.65 620.42 837.50 641.50 971.94 126.74 1542.53 735.92 1054.01 685.30 621.26 2604.07
,所以存在异方差性。 ⒊White检验 ⑴建立回归模型：LS Y C X,回归结果如图6。
图6
⑵在方程窗口上点击View\Residual Test\ White Heteroskedastcity no cross terms ,检验结果如 图7。
图7
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。 ⒋Park检验 ⑴建立回归模型 结果同图6所示 。 ⑵生成新变量序列：GENR LNE2=log RESID^2
SMPL 20 31 LS Y C X
图5
⑷计算F统计量：F R2 /S R1 S S 2S 2/6 35.9 8 1 6 .4 5
RSS1 和RSS2分别是模型1和模型2的残差平方和。 取
F6.4 5F 0.05 2.98
F 0 .0( 1 5 1 2 1 ,1 1 2 1 ) 2 .98
农业总产值 亿元
1152.09 1243.15 1328.70 970.55 224.17 401.48 1316.60 392.20 683.80 39.49 629.34 458.73 49.16 111.12 767.00
农作物播种面 积 千公顷 7030.01 7390.71 4363.05 5594.40 754.32 3134.66 9278.24 4464.53 5801.86 232.92 4044.74 3759.00 516.68 1189.83 4202.63
eviews异方差的检验
田青帆1006010131 国贸1001班建立模型Y t=β1+β2X t+uX:1994-2011年中国国内生产总值Y:1994-2011年中国进口总额数据来源：国泰安数据服务中心/p/sq/一、异方差的检验1、图示法由上图可以看出，残差平方项e2随X的变动而变动，一次，模型很可能存在异方差，但是否确实存在异方差还应通过更进一步的检验。
2、等级相关系数检验t值为29.48788，自由度为18-2=16在95%的显著水平下，查表可得t0.025(16)=2.1199t＞t0.025(16),说明X i和｜e i｜之间存在系统关系，则说明模型中存在异方差3、戈德菲尔德-夸特检验（样本分段比检验）在本例中，样本容量为18，删去中间4个观测值，余下部分平分的两个样本区间：1-7和12-18，他们的样本数都是7个，用OLS方法对这两个子样本进行回归估计，结果如下图所示计算检验统计量FF=[RSS２/(n２-k)] ÷[RSS１/(n１-k)]n2-k=n1-k=7-2=5F=RSS2/RSS1=4588102/229037.4=20.03在95%的显著水平下，查表可得F0.05（5，5）=5.05 F＞F0.05（5，5）所以，模型存在异方差4、戈里瑟（Glejser）检验用残差绝对值建立的回归模型为｜e i｜=α1+α2 (1/X i)由上表可知，回归模型为｜e i｜=1416.049+10.37101(1/X i)≠0，则存在异方差α25、怀特检验由上图可知：P值=0.017140﹤0.05，所以存在异方差二、异方差的修正（加权最小二乘法）1、选择1/x为权数，即对模型两边同时乘以1/x，使用最小二乘法进行回归估计，所得结果如下：由上图可知，P值=0.0001﹤0.05，模型依然存在异方差2、选择1/|e|为权数，即对模型两边同时乘以1/|e|，使用最小二乘法进行回归估计，所得结果如下：此时，P值=0.2139＞0.05，将异方差模型变成了同方差。
计量经济学实验报告-异方差问题white分析
4.运用对数方法，消除异方差问题。进行多元线性回归分析并呈现结果，并解释相关变量。
5.运用WLS方法，消除异方差问题。进行多元线性回归分析并呈现结果，并解释相关变量。
实验内容\步骤
1.打开eviews，点击Open a Foreign file，选择桌面上保存好的练习数据，点击选择Quick-Generate Series菜单命令，在弹出的对话框中输入e=resid，生成残差序列。然后选择Quick-Graph菜单命令，在弹出的对话框中输入变量名x e^2，得到散点图。
Std. Error
t-Statistic
Prob.
C
-15.32732
1.507305
-10.16869
0.0000
LOG(X)
2.224390
0.151781
14.65526
0.0000
R-squared
0.881039
Mean dependent var
6.740001
Adjusted R-squared
实验结果分析及讨论（续）
4.运用对数方法，消除异方差结果如下：
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 10/12/21 Time: 20:18
Sample: 1 31
Included observations: 31
Variable
Coefficient
Dependent Variable: Y
Method: Least Squares
Date: 10/12/21 Time: 20:25
计量经济学异方差的检验与修正实验报告
计量经济学实验报告关于异方差性的检验与修正2012/11/18学院：国际教育学院专业：国际经济与贸易班级：10级一班姓名：苗子凯学号：1014102025一．异方差检验运行Eviews,依次单击file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
然后开始进行LS回归，命令栏中输入“ls y c x”回车，即得到回归结果如下回归方程为：：Y = 272.3635389 + 0.7551249391*X二．开始检验异方差White 检验法:依次单击View →Residual Tests →Heteroskedasticity test →Whit 经估计出现white 检验结果，如下图：所以拒绝原假设，表明模型存在异方差Goldfeld-Quanadt 检验法： 在命令栏中直接输入：ls y c x →sort 1 20(进行排序) →smpl 1 8 →ls y c x →enter 得到如下结果：99.5%565.122置信水平下的卡方值>=nR继续取样本，在命令栏中直接输入： smpl 13 20 →ls y c x→enter得到如下结果：计算F统计量：F=RSS2/RSS1=615472.0/126528.3=4.864；F=4.864> F0.05（6,6）=4.28，拒绝原假设，表明模型确实存在异方差性。
帕克检验重新打开eviews，依次键入以下步骤：file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
然后键入：genr lne2=log(resid^2) → genr lnx=log(x) →ls lne2 c lnx得到结果如下：可得到α=3.47，且t=2.89，说明显著性明显，而α的显著性不为零意味着存在显著性。
计量经济学(异方差检验并消除异方差)
计量经济学(异方差检验并消除异方差)
【实验目的及要求】
使用Eviews软件对建立的回归模型进行异方差检验并且消除异方差
【实验原理】
选取不同地区的国民收入（Y）和对外直接投资（FDI），利用Eviews软件建立回归模型并且进行异方差检验和消除异方差
【实验使用的软件】
Eviews
实验内容：【实验方案设计、步骤、记录、分析】
1.启动Eviews软件包
2.创建工作文件
3.导入30个地区的国民收入（Y）和对外直接投资（FDI）
4.建立回归模型，进行异方差检验
5.消除异方差
6.保存数据
7.关闭Eviews软件包
导入数据
导入30个地区的国民收入（Y）和对外直接投资（FDI）
建立回归模型
异方差检验
1、戈德菲尔德—匡特检验先将样本按照解释变量排序
去掉中间8组数据，得到两个样本，每个样本分别为11组数据。
分别进行两个样本回归的得到两个残差平方和RSS1和RSS2
RSS1为38138740
RSS2为1306049837
RSS1和RSS2存在显著差异，所以存在异方差性
2、怀特检验
该图中P值很小，所以可以拒绝原假设，即该模型存在异方差性。
3、戈里瑟检验
生成残差序列
由于P很小，可以拒绝原假设，所以存在异方差
消除异方差
1、令y2=log（y）, x2=log(x) 进行回归并且选择怀特检验检验异方差性
从中可以看出P值很大，所以接受原假设，存在同方差，消除异方差
2、令y1=y/x ,x1=1/x进行回归求出残差序列resid02并进行戈里瑟残差检验
从中可以看出P值很大，所以接受原假设，存在同方差，消除了异方差。
金融计量学实验一异方差的检验与修正(Eviews8截图)
异方差的检验与修正一、实验目的了解异方差、Goldfeld-Quandt检验、Spearman rank correlation检验、Park检验、Breusch-Pagan检验、White检验、加权最小二乘法（WLS）、模型对数变化法等基本概念及异方差产生的原因和后果。
二、基本概念异方差就是对同方差假设的违反。
经典回归中同方差是指随着样本观察点X 的变化，线性模型中随机误差项的方差并不改变，保持为常数。
异方差的检验有图示法及解析法，检验异方差的解析方法的共同思想是，由于不同的观察值随机误差项具有不同的方差，因此检验异方差的主要问题是判断随机误差项的方差与解释变量之间的相关性。
异方差的修正方法有加权最小二乘法和模型对数变化法等，其基本思想路线是变异方差为同方差，或者尽量缓解方差变异的程度。
三、实验内容及要求根据北京市1978-1998年人均储蓄与人均收入的数据资料，若假定X为人均收入（元），Y为人均储蓄（元），通过建立一元线性回归模型分析人均储蓄受人均收入的线性影响，并讨论异方差的检验与修正过程。
四、实验指导1. 用OLS估计法估计参数（1）导入数据打开Eviews软件，选择“File”菜单中的“New--Workfile”选项，出现“Workfile Range”对话框，在“Workfile frequency”框中选择“Annual”,在“Start date”和“End date”框中分别输入“1978”和“1998”，然后单击“OK”，弹出如下窗口：选择“File”菜单中的“Import--Read Text-Lotus-Excel”选项，找到要导入的名为EX3.2.xls的Excel文档，单击“打开”出现“Excel Spreadsheet Import”对话框并在其中输入“x”和“y”, 再单击“OK”完成数据导入。
（2）回归数据估计方程设模型为12Y X ββμ=++，在Eviews 命令窗口中输入“LS Y C X ”并回车，得到如下结果：2.异方差检验（1）图示法首先通过“Equation”对话框中“Procs”菜单的“Make Residual Series”命令生成残差序列E，点击“OK”。
eviews异方差、自相关检验与解决办法
eviews异方差、自相关检验与解决办法一、异方差检验：1．相关图检验法LS Y C X 对模型进行参数估计GENR E=RESID 求出残差序列GENR E2=E^2 求出残差的平方序列SORT X 对解释变量X排序SCAT X E2 画出残差平方与解释变量X的相关图2．戈德菲尔德——匡特检验已知样本容量n=26，去掉中间6个样本点（即约n/4），形成两个样本容量均为10的子样本。
SORT X 将样本数据关于X排序SMPL 1 10 确定子样本1LS Y C X 求出子样本1的回归平方和RSS1SMPL 17 26 确定子样本2LS Y C X 求出子样本2的回归平方和RSS2计算F统计量并做出判断。
解决办法3．加权最小二乘法LS Y C X 最小二乘法估计，得到残差序列GRNR E1=ABS(RESID) 生成残差绝对值序列LS(W=1/E1) Y C X 以E1为权数进行加权最小二成估计二、自相关1．图示法检验LS Y C X 最小二乘法估计，得到残差序列GENR E=RESID 生成残差序列SCAT E(-1) E et—et-1的散点图PLOT E 还可绘制et的趋势图2．广义差分法LS Y C X AR(1) AR(2)首先，你要对广义差分法熟悉，不是了解，如果你是外行，我奉劝你还是用eviews来做就行了，其实我想老师要你用spss无非是想看你是否掌握广义差分，好了，废话不多说了。
接着，使用spss16来解决自相关。
第一步，输入变量，做线性回归，注意在Liner Regression 中的Statistics中勾上DW，在save中勾Standardized，查看结果，显然肯定是有自相关的（看dw值）。
第二步，做滞后一期的残差，直接COPY数据（别告诉我不会啊），然后将残差和滞后一期的残差做回归，记下它们之间的B指（就是斜率）。
第三步，再做滞后一期的X1和Y1，即自变量和因变量的滞后一期的值，也是直接COPY。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
时间 地点 实验题目 异方差的诊断与修正一、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：i Y =1β+2βi X +i μ其中，i Y 表示销售利润，i 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）（二） 参数估计1、双击“Eviews ”，进入主页。
输入数据：点击主菜单中的File/Open /EV Workfile —Excel —异方差数据2.xls ；2、在EV 主页界面的窗口，输入“ls y c x ”，按“Enter ”。
出现OLS 回归结果,如图2：估计样本回归函数Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C 12.03564 19.51779 0.616650 0.5428 X0.1043930.008441 12.366700.0000R-squared0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependent var 146.4895 S.E. of regression 56.90368 Akaike info criterion 10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450 Log likelihood -151.8508 F-statistic 152.9353 Durbin-Watson stat1.212795 Prob(F-statistic)0.000000估计结果为： iY ˆ = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670）2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。
2R =0.854696 , 拟合程度较好。
在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒绝原假设，说明销售收入对销售利润有显著性影响。
F=152.9353 > )6,21(F 05.0= 4.23 ,表明方程整体显著。
（三） 检验模型的异方差※（一）图形法1、在“Workfile ”页面：选中x,y 序列，点击鼠标右键，点击Open —as Group —Yes2、在“Group ”页面：点击View －Graph —Scatter —Simple Scatter, 得到X,Y 的散点图（图3所示）：3、在“Workfile ”页面：点击Generate ，输入“e2=resid^2”—OK4、选中x,e2序列，点击鼠标右键，Open —as Group —Yes5、在“Group ”页面：点击View －Graph —Scatter —Simple Scatter, 得到X,e2的散点图（图4所示）：6、判断由图3可以看出，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2i e 对解释变量X 的散点图主要分布在图形中的下三角部分，大致看出残差平方2i e 随i X 的变动呈增大趋势。
因此，模型很可能存在异方差。
但是否确实存在异方差还应该通过更近一步的检验。
※ （二）White 检验1、 在“Equation ”页面：点击View －Residual Tests —White 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-statistic3.607218 Probability 0.042036 Obs*R-squared6.270612 Probability0.043486Test Equation:Dependent Variable: RESID^2 Method: Least Squares Date: 10/19/05 Time: 15:29Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C -3279.779 2857.117 -1.147933 0.2619 X 5.670634 3.109363 1.823728 0.0802 X^2-0.0008710.000653-1.3340000.1942R-squared0.223950 Mean dependent var 3006.741 Adjusted R-squared 0.161866 S.D. dependent var 5144.470 S.E. of regression 4709.744 Akaike info criterion 19.85361 Sum squared resid 5.55E+08 Schwarz criterion 19.99635 Log likelihood -274.9506 F-statistic 3.607218 Durbin-Watson stat 1.479908 Prob(F-statistic)0.0420362、因为本例为一元函数，没有交叉乘积项，则辅助函数为 2t σ=0α+1αt x +2α2t x +t ν 从上表可以看出，n 2R =6.270612 ，有White 检验知，在α=0,05下，查2χ分布表，得临界值5.002χ（2）=5.99147。
比较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5.002χ（2）=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。
（四） 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t 1ω=1/t X ，t 2ω=1/2t X ，t 3ω=1/t X 。
1、在“Workfile ”页面：点击“Generate ”，输入“w1=1/x ”—OK ；同样的输入“w2=1/x^2”“w3=1/sqr(x)”；2、在“Equation ”页面：点击“Estimate Equation ”,输入“y c x ”,点击“weighted ”,输入“w1”,出现如图6：用权数t 1ω的结果Dependent Variable: Y Method: Least Squares Date: 10/22/10 Time: 00:13 Sample: 1 28Included observations: 28 Weighting series: W1Variable Coefficient Std. Error t-Statistic Prob.C 5.988351 6.403392 0.935184 0.3583 X 0.1086060.008155 13.31734 0.0000Weighted StatisticsR-squared0.032543 Mean dependent var 123.4060 Adjusted R-squared -0.004667 S.D. dependent var 31.99659 S.E. of regression 32.07117 Akaike info criterion 9.842541 Sum squared resid 26742.56 Schwarz criterion 9.937699 Log likelihood -135.7956 F-statistic 177.3515 Durbin-Watson stat1.465148 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared0.853095 Mean dependent var 213.4650 Adjusted R-squared 0.847445 S.D. dependent var 146.4895 S.E. of regression 57.21632 Sum squared resid 85116.40Durbin-Watson stat 1.2614693、在“Equation ”页面：点击“Estimate Equation ”,输入“y c x ”,点击“weighted ”,输入“w2”,出现如图7：ω的结果用权数t2Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:16Sample: 1 28Included observations: 28Weighting series: W2Variable Coefficient Std. Error t-Statistic Prob.C 6.496703 3.486526 1.863374 0.0737X 0.106892 0.010991 9.725260 0.0000Weighted StatisticsR-squared 0.922715 Mean dependent var 67.92129Adjusted R-squared 0.919743 S.D. dependent var 75.51929S.E. of regression 21.39439 Akaike info criterion 9.032884Sum squared resid 11900.72 Schwarz criterion 9.128041Log likelihood -124.4604 F-statistic 94.58068Durbin-Watson stat 1.905670 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.854182 Mean dependent var 213.4650Adjusted R-squared 0.848573 S.D. dependent var 146.4895S.E. of regression 57.00434 Sum squared resid 84486.88Durbin-Watson stat 1.2422124、在“Equation”页面：点击“Estimate Equation”,输入“y c x”,点击“weighted”,输入“w3”,出现如图8：ω的结果用权数t3Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:17Sample: 1 28Included observations: 28Weighting series: W3Variable Coefficient Std. Error t-Statistic Prob.C 8.640341 11.18733 0.772333 0.4469X 0.106153 0.007746 13.70473 0.0000Weighted StatisticsR-squared0.611552 Mean dependent var 165.8420 Adjusted R-squared 0.596612 S.D. dependent var 67.13044 S.E. of regression 42.63646 Akaike info criterion 10.41205 Sum squared resid 47264.56 Schwarz criterion 10.50720 Log likelihood -143.7686 F-statistic 187.8197 Durbin-Watson stat1.275429 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared0.854453 Mean dependent var 213.4650 Adjusted R-squared 0.848855 S.D. dependent var 146.4895 S.E. of regression 56.95121 Sum squared resid 84329.44Durbin-Watson stat 1.233545经估计检验，发现用权数t 1ω，t 3ω的结果，其可决系数反而减小；只有用权数t 2ω的效果最好，可决系数增大。