计量经济学第二次作业异方差检验

合集下载

计量经济学异方差实验报告及心得体会

计量经济学异方差实验报告及心得体会一、实验简介本实验旨在通过构建模型来研究经济学中的异方差问题，并通过实证分析来探讨其对模型结果的影响。

实验数据采用随机抽样方法自真实经济数据中获取，共包括两个自变量和一个因变量。

在实验中，我将对模型进行两次回归分析，一次是假设无异方差问题，一次是考虑异方差问题，并比较两个模型的结果。

二、实验过程1.数据准备：根据实验设计，我根据随机抽样方法，从真实经济数据中抽取了一部分样本数据。

2.模型建立：我将自变量Y和X1、X2进行回归分析。

首先，我假设模型无异方差问题，得到回归结果。

然后，我将检验异方差性，若存在异方差问题，则建立异方差模型继续回归分析。

3.模型估计：利用最小二乘法进行参数估计，并计算回归结果的标准差和假设检验。

4.模型比较：对比两个模型的回归结果，分析异方差对模型拟合程度和参数估计的影响。

三、实验结果1.无异方差假设模型回归结果：回归方程：Y=0.9X1+0.5X2+2.1标准差：0.3显著性水平：0.05拟合优度：0.852.考虑异方差问题模型回归结果：回归方程：Y=0.7X1+0.4X2+1.9标准差：0.6显著性水平：0.05拟合优度：0.75四、实验心得体会通过本次实验，我对计量经济学中的异方差问题有了更深入的了解，并进一步认识到其对模型结果的影响。

1.异方差问题的存在会对统计推断结果产生重要影响。

在本次实验中，考虑异方差问题的模型相较于无异方差模型，参数估计值差异较大，并且拟合优度也有所下降。

因此，我们在实证分析中应尽可能考虑异方差问题。

2.在实际应用中，异方差问题可能较为普遍。

经济学中的许多变量存在异方差性，例如，个体收入、消费支出等。

因此，在进行经济学研究时，我们应当警惕并尽量排除异方差问题。

3.针对异方差问题，我们可以采用多种方法进行调整，例如，利用异方差稳健标准误、加权最小二乘法等。

在本次实验中，我们采用了异方差模型进行调整，并得到了相对较好的结果。

异方差检验结果解读

异方差检验结果解读
异方差检验（Heteroscedasticity test）是一种用于检验不同组之间是否存在方差
差异的统计方法。

该检验通常用于回归分析中，以确定回归模型的合理性和精确性。

异方差性可能导致回归模型的预测能力下降，因此解读异方差检验结果对于正确分析数据非常重要。

在异方差检验中，常用的检验方法包括Park、White、Goldfeld-Quandt等。

检
验结果通常以显著性水平为基准进行判断。

检验结果显示显著性水平小于或等于设定的阈值（通常为0.05），则可以认为不存在异方差；反之，如果显著性水平大于阈值，则可以认为存在异方差。

异方差检验的结果还提供了其他有用的信息，如异方差性的模式或形式。

一种
常用的方法是绘制残差图，通过观察残差与预测值的关系，可以初步判断异方差性的模式。

常见的异方差性模式包括上升或下降斜线、漏斗形状等。

在图形分析的基础上，可以进一步使用更专业的统计方法，如白噪声检验（White noise test）或Breusch-Pagan检验，来验证异方差性的模式。

在回归分析中，若检验结果显示存在异方差，需要采取相应的纠正措施。

常用
的纠正方法包括回归模型的转换、加权最小二乘法等。

这些方法可以有效地纠正异方差性，提高模型的准确性和稳定性。

总结来说，异方差检验结果的解读需要关注显著性水平、残差图以及其他专业
统计方法的检验结果。

通过综合分析这些信息，我们能够确定回归模型是否受到异方差性的影响，进而采取相应的纠正措施。

正确解读异方差检验结果对于准确分析数据和得出可靠的结论至关重要。

计量经济学实验二

实验二〔一〕异方差性【实验目的】掌握异方差性的检验及处理方法【实验内容】建立并检验我国制造业利润函数模型【实验步骤】【例1】表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。

一、检验异方差性⒈图形分析检验⑴观察销售利润〔Y〕与销售收入〔X〕的相关图(图1)：SCAT X Y图1 我国制造工业销售利润与销售收入相关图从图中可以看出，随着销售收入的增加，销售利润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。

⑵残差分析首先将数据排序〔命令格式为：SORT 解释变量〕，然后建立回归方程。

在方程窗口中点击Resids按钮就可以得到模型的残差分布图〔或建立方程后在Eviews工作文件窗口中点击resid对象来观察〕。

图2 我国制造业销售利润回归模型残差分布图2显示回归方程的残差分布有明显的扩大趋势，即说明存在异方差性。

⒉Goldfeld-Quant检验⑴将样本安解释变量排序〔SORT X〕并分成两部分〔分别有1到10共11个样本合19到28共10个样本〕⑵利用样本1建立回归模型1〔回归结果如图3〕，其残差平方和为。

SMPL 1 10LS Y C X图3 样本1回归结果⑶利用样本2建立回归模型2〔回归结果如图4〕，其残差平方和为。

SMPL 19 28 LS Y C X图4 样本2回归结果⑷计算F 统计量：12/RSS RSS F =＝，21RSS RSS 和分别是模型1和模型2的残差平方和。

取05.0=α时，查F 分布表得44.3)1110,1110(05.0=----F ，而44.372.2405.0=>=F F ，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5。

图5 我国制造业销售利润回归模型⑵在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果如图6。

计量经济学异方差实验报告二

实验报告2实验目的：掌握异方差的检验及处理方法。

实验容：检验家庭人均纯收入与家庭生活消费支出可能存在的异方差性。

有关数据如下：其中，收入为X，家庭生活消费支出为Y。

地区家庭人均纯收入家庭生活消费支出地区家庭人均纯收入家庭生活消费支出北京9439.63 6399.27 湖北3997.48 3090天津7010.06 3538.31 湖南3904.2 3377.38河北4293.43 2786.77 广东5624.04 4202.32山西3665.66 2682.57 广西3224.05 2747.473953.1 3256.15 海南3791.37 2556.56辽宁4773.43 3368.16 重庆3509.29 2526.7吉林4191.34 3065.44 四川3546.69 2747.274132.29 3117.44 贵州2373.99 1913.71上海10144.62 8844.88 云南2634.09 2637.18江苏6561.01 4786.15 西藏2788.2 2217.62浙江8265.15 6801.6 陕西2644.69 2559.59安徽3556.27 2754.04 甘肃2328.92 2017.21福建5467.08 4053.47 青海2683.78 2446.5江西4044.7 2994.49 宁夏3180.84 2528.76山东4985.34 3621.57 新疆3182.97 2350.58河南3851.6 2676.41实验步骤如下：一、建立有关模型分析异方差检验如下。

方法一、图示法。

（两种）（一）、x y 相关分析从图中可以看出，随着收入的增加，家庭生活消费支出不断的提高，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。

建立模型：1、从图中可以看出，x y不是简单的线性关系。

建立线性回归方程如下，LS Y C X从上图看出，回归模型的R^2=0.8953，拟合优度较低。

计量经济学--异方差性讲解

图1：我国税收和GDP
图2：1998年我国制造工业和利润
X-GDP Y-税收
X－销售收入 Y－销售利润
两个散点图有共同的特征，随着自变量增加，因变量也增加，但是图2中，当X比较小时，数据点相对集中，随着X增大，数据点变得相对分散。而图1中数据分布却没有出现这一特征。
异方差的性质
➢经典线形回归模型的一个重要假定是同方差性：
PRF的干扰项 u i 是同方差的（homoscedastic）
即： E（ui2） 2
i 1, 2, , n (3.3.1)
➢异方差性是指，ui 的条件方差（= Yi 的条件方差）
随着X的变化而变化，用符号表示为：
E (ui2
)
2 i
(3.3.2)
Var(Yi ) Var(ui )
异方差产生的主要原因
——这就是GLS方法，得到的是GLS估计量
•模型函数形式存在设定误差 •模型中遗漏了一些重要的解释变量 •随机因素本身的影响
异方差较之同方差更为
常见
7
异方差的具体理由
➢按照边错边改学习模型（error—learning models)，人们的行为误差随时间而减少。
➢随着收入的增长，人们在支出和储蓄中有更大的灵活
性。在做储蓄对收入的回归中， i2与收入俱增
此时如果仍采用
计算斜率参数的方差，将会
产生估计偏误，偏误的大小取决与因子值的大小。
17
3.t检验的可靠性降低
由于异方差的存在，无法正确估计参数的方差和标志误差，因此也影响到t检验的效果
4.模型的预测误差增大
模型的预测区间和随机误差项的方差有着紧密联系，随着随机误差项方差的增大，模型的预测区间也随之增大，模型的预测误差也会相应增加。

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。

计量经济学：异方差性

计量经济学：异方差性异方差性在现实经济活动中，最小二乘法的基本假定并非都能满足，上一章介绍的多重共线性只是其中一个方面，本章将讨论违背基本假定的另一个方面——异方差性。

虽然它们都是违背了基本假定，但前者属于解释变量之间存在的问题，后者是随机误差项出现的问题。

本章将讨论异方差性的实质、异方差出现的原因、异方差的后果，并介绍检验和修正异方差的若干方法。

第一节异方差性的概念一、异方差性的实质第二章提出的基本假定中，要求对所有的i （i=1，2，…，n ）都有2)(σ=i u Var （5.1）也就是说i u 具有同方差性。

这里的方差2σ度量的是随机误差项围绕其均值的分散程度。

由于0)(=i u E ，所以等价地说，方差2σ度量的是被解释变量Y 的观测值围绕回归线)(i Y E =ki k i X X βββ+++ 221的分散程度，同方差性实际指的是相对于回归线被解释变量所有观测值的分散程度相同。

设模型为n i u X X Y iki k i i ,,2,1221 =++++=βββ （5.2）如果其它假定均不变，但模型中随机误差项i u 的方差为).,,3,2,1(,)(22n i u Var i i ==σ (5.3)则称i u 具有异方差性。

由于异方差性指的是被解释变量观测值的分散程度是随解释变量的变化而变化的，如图5.1所示，所以进一步可以把异方差看成是由于某个解释变量的变化而引起的，则)()(222i i i X f u Var σσ== (5.4)图5.1二、产生异方差的原因由于现实经济活动的错综复杂性，一些经济现象的变动与同方差性的假定经常是相悖的。

所以在计量经济分析中，往往会出现某些因素随其观测值的变化而对被解释变量产生不同的影响，导致随机误差项的方差相异。

通常产生异方差有以下主要原因：1、模型中省略了某些重要的解释变量异方差性表现在随机误差上，但它的产生却与解释变量的变化有紧密的关系。

计量经济学--异方差的检验及修正

经济计量分析实验报告一、实验项目异方差的检验及修正二、实验日期2015.12.06三、实验目的对于国内旅游总花费的有关影响因素建立多元线性回归模型，对变量进行多重共线性的检验及修正后，进行异方差的检验和补救。

四、实验内容建立模型，对模型进行参数估计，对样本回归函数进行统计检验，以判定估计的可靠程度，包括拟合优度检验、方程总体线性的显著性检验、变量的显著性检验，以及参数的置信区间估计。

检验变量是否具有多重共线性并修正。

检验是否存在异方差并补救。

五、实验步骤1、建立模型。

以国内旅游总花费Y 作为被解释变量，以年底总人口表示人口增长水平，以旅行社数量表示旅行社的发展情况，以城市公共交通运营数表示城市公共交通运行状况，以城乡居民储蓄存款年末增加值表示城乡居民储蓄存款增长水平。

2、模型设定为:t t t t t μβββββ+X +X +X +X +=Y 443322110t 其中：t Y — 国内旅游总花费（亿元） t 1X — 年底总人口（万人） t 2X — 旅行社数量（个） t 3X — 城市公共交通运营数（辆）t 4X — 城乡居民储蓄存款年末增加值（亿元）3、对模型进行多重共线性检验。

4、检验异方差是否存在。

六、实验结果（一）、消除多重共线性之后的模型多元线性回归模型估计结果如下：4321000779.0053329.0151924.0720076.0-99.81113ˆX +X +X +X =Y i SE=(26581.73) (0.230790) (0.108223) (0.013834) (0.020502) t =(3.051494) (-3.120046) (1.403805) ( 3.854988) (0.038020)R2=0.969693R2=0.957571F=79.98987(1)拟合优度检验：可决系数R 2=0.969693较高，修正的可决系数R 2=0.957571也较高，表明模型拟合较好。

计量经济学：异方差

设；否则接受原假设。
（1）布罗施-帕甘（Breusch-Pagan）检验
例4.2 使用BP检验对例4.1的回归模型进行异方差检验。解：EViews中进行BP检验的结果如下：
从中可以看出，无论是使用F检验还是LM检验，在5%的显著性水平下，均可拒绝随机误差项不存在异方差的原假设
2）怀特(White)检验
20000 X
30000
40000
（2）用 X e%i2 的散点图进行判断
第三节异方差的检验
方法2：作X-ei2散点图
从图中可以看出，随着居民可支配收入X的提高，随机误差项平方ei2呈递增趋势。表明随机误差项存在递增型异方差。
ESQU
320000 280000 240000 200000 160000 120000
概率密度
X1 X2 X3
同方差
概
率
Y
密
Y
度
E(Y|X) = β0 + β 1X
X
X1 X2 X3 异方差
E(Y|X) = β 0 + β 1X
X
异方差的矩阵表示

2 1
Var(u)

0 M
0

2 2
M
L L M
0
0

0
0
0
L

2 n

2、异方差的类型
•同方差性假定的意义是：每个ui围绕其零均值的离差，并不随解释变量X的变化而变化，不论解释变量X的观测值是大还是小，每个ui
E(ˆ )(ˆ ) E ( X X )1 X Y ( X X )1 X Y
E ( X X )1 X X U ( X X )1 X X U

计量经济学——异方差

ji )
X 1i
2
f
1 (X
ji )
X 2i
k
f
1 (X
ji )
X ki
f
1 (X
ji )
i
在该模型中，存在
Var(
f
1 (X
ji
)
i
)
E(
f
1 (X
ji
)
i )2
f
(
1 X
ji
)
E(
i
)
2
2
即满足同方差性。于是可以用 OLS 估计其参数，得到关于参数 0 , 1,, k 的无偏的、有效的估计量。这就是加权最小二乘法，在这
(2.4.10)
即
Y* X* *
该模型具有同方差性。因为
E(N * N * ) E(D-1D-1 ) D-1E(NN )D-1
D -1 2 WD -1 D -1 2 DDD-1 2I
于是，可以用 OLS 法估计模型(2.4.10)，得
(X* X* ) -1 X* Y*
(XD -1D -1X) -1 XD -1D -1Y (XW -1X) -1 XW -1Y
所以，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。
Back
四、异方差性的检验
1、检验方法的共同思路
• 由于异方差性就是相对于不同的解释变量观测值，
随机误差项具有不同的方差。那么：检验异方差性，也就是检验随机误差项的方差与
解释变量观测值之间的相关性。
• 同方差性假定的意义是指每个i围绕其零平均
值的变差，并不随解释变量X的变化而变化，不论解释变量观测值是大还是小，每个i的方差保持相同，即

计量经济学实验报告-异方差问题white分析

3.运用Gleser法，检验异方差问题。并解释相关变量。
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

计量经济学练习题异方差检验

计量练习题（异方差检验）
在异方差情况下，常用的估计方法是加权最小二乘法
下列哪种方法不是检验异方差的方法方差膨胀因子检验
加权最小二乘法克服异方差的主要原理是通过赋予不同观测点以不同的权数，从而提高估计精度，即重视小误差的作用，轻视大误差的作用
假设回归模型为Y i=β0+β1+u i，其中Var(u i)=δ2X i2，则用WLS估计模型时，应将模型变为
Y/X=β0/X+β1+u/X
如果Glejser检验表明，OLS估计结果的残差与解释变量有显著的形式为|e i|=o.28751x i+v i的相关关系v i满足线性模型的全部经典假设，则用WLS估计模型参数时，权数为1/x i
White检验构造的辅助回归方程是残差平方对解释变量
戈里瑟检验构造的辅助回归方程是残差绝对值对解释变量
Goldfeld-Quandt检验构造的是F统计量
用WLS修正异方差性估计原理是加权后的残差平方和最小
下列哪些方法可以用于异方差性的检验G-Q检验White检验（DW方差膨胀因子不可）
修正异方差的方法主要有
根据异方差形势对模型进行变换，
加权最小二乘法，
对模型进行对数变换（广义差分法不可）
关于WLS权重的说法正确的是
样本值偏离均值的程度越小，其观测值应更受重视
对随机扰动项不同的方差应区别对待，即取不同权重
较小的∑e i2取较大的权重，较大则较小
（把每个残差平方和都等同对待不对）
戈里瑟检验是利用辅助回归的相关统计量来判断辅助回归中的X的参数是否显著为0来判断模型是否存在异方差的√
G-Q检验是用来检测异方差的，可用于检验各类型的异方差×（只能递增递减）
White检验是检验多重共线性的常用方法之一×（异方差性）。

异方差性检验计量经济学 EVIEWS建模课件

G-Q检验的步骤：
①将n对样本观察值(Xi,Yi)按观察值Xi的大小排队；
②将序列中间的c=n/4个观察值除去，并将剩下的观察值划分为较小与较大的相同的两个子样本，每个子样的样本容量均为(n-c)/2；
③对每个子样分别进行OLS回归，并计算各自的残差平方和∑esi12 与∑esi22 ；
计量经济学模型一旦出现异方差性，如果仍采用 OLS估计模型参数，会产生下列不良后果：
1.参数估计量非有效
OLS估计量仍然具有无偏性，但不具有有效性。因为在有效性证明中利用了 E(εε’)=2I 。
而且，在大样本情况下，尽管参数估计量具有一致性，但仍然不具有渐近有效性。
2. 变量的显著性检验失去意义
例如以绝对收入假设为理论假设、以截面数据
为样本建立居民消费函数： Ci=0+1Yi+εi
将居民按照收入等距离分成n组，取组平均数为样本观测值。 • 一般情况下，居民收入服从正态分布：中等收入组人数多，两端收入组人数少。而人数多的组平均数的误差小，人数少的组平均数的误差大。 • 所以样本观测值的观测误差随着解释变量观测值的不同而不同，往往引起异方差性。
异方差性的检验与修正分析
一、异方差性问题二、异方差性检验三、异方差的修正及案例四、条件异方差模型的建立
⒉ 在同方差情况下：异方差的图示在异方差情况下：说明：
异方差时
同方差：i2 = 常数 f(Xi) 异方差：i2 = f(Xi)
⒊异方差的类型
异方差一般可归结为三种类型： (1)单调递增型： i2随X的增大而增大 (2)单调递减型： i2随X的增大而减小 (3)复杂型： i2与X的变化呈复杂形式
变量的显著性检验中，构造了t统计量

南京财经大学计量经济学RESET检验和异方差(考试)

住房价格方程研究问题：住房价格和住房自身特征间的关系 (根据Wooldrige 计量经济学导论P219，259,288改编) 数据集：hprice1变量：price ：住房价格lotsize ：住房占地面积 (加上院子)sqrft ：住房面积bdrms ：卧室数量1.RESET 检验用变量的水平值建立模型εββββ++++=bdrms sqrft lotsize price 3210 _cons -21.77031 29.47504 -0.74 0.462 -80.38466 36.84405bdrms 13.85252 9.010145 1.54 0.128 -4.065141 31.77018sqrft .1227782 .0132374 9.28 0.000 .0964541 .1491022lotsize .0020677 .0006421 3.22 0.002 .0007908 .0033446price Coef. Std. Err. t P>|t| [95% Conf. Interval]Total 917854.506 87 10550.0518 Root MSE = 59.833Adj R-squared = 0.6607Residual 300723.805 84 3580.0453 R-squared = 0.6724Model 617130.701 3 205710.234 Prob > F = 0.0000F( 3, 84) = 57.46Source SS df MS Number of obs = 88Prob > F = 0.0076F(3, 81) = 4.26Ho: model has no omitted variablesRamsey RESET test using powers of the fitted values of price. estat ovtestProb > F = 0.0000 F(9, 75) = 6.10Ho: model has no omitted variablesRamsey RESET test using powers of the independent variables. estat ovtest, rhs结果说明函数设定错误，可能漏掉了自变量高次方项，也有可能需要对变量做变换。

16年秋北航《计量经济学》在线作业2

北航《计量经济学》在线作业2
一、单选题（共 10 道试题，共 30 分。）
1. 在多元线性回归模型中对样本容量的基本要求是(k 为解释变量个数)：（）
A. n≥k+1
B. n<k+1
C. n≥30或n≥3（k+1）
D. n≥30
正确答案：C
2. 横截面数据是指（）。
正确答案：A
7. 经济计量分析的工作程序（）
A. 设定模型，检验模型，估计模型，改进模型
B. 设定模型，估计参数，检验模型，应用模型
C. 估计模型，应用模型，检验模型，改进模型
D. 搜集资料，设定模型，估计参数，应用模型
正确答案：B
8. 样本数据的质量问题，可以概括为完整性、准确性、可比性和（）。
B. 正确
正确答案：A
A. 时效性
B. 一致性
C. 广泛性
D. 系统性
正确答案：B
9. 外生变量和滞后变量统称为（）。
A. 控制变量
ห้องสมุดไป่ตู้B. 解释变量
C. 被解释变量
D. 前定变量
正确答案：D
10. 加权最小二乘法克服异方差的主要原理是通过赋予不同观测点以不同的权数，从而提高估计精度，即（）
A. 重视大误差的作用，轻视小误差的作用
A. 错误
B. 正确
正确答案：A
2. 为了避免陷入虚拟变量陷阱，如果一个定性变量有m类，则要引入m个虚拟变量。
A. 错误
B. 正确
正确答案：A
3. 拟合优度R2的值越大，说明样本回归模型对总体回归模型的代表性越强。

南开大学计量经济学第2次作业答案

H1：A∗, α, β不全为零。给定显著性水平α = 0.05，查分子自由度ν1 = 2，分母自由度ν2 = 27 − 2 − 1 = 24的 F 分布上侧分位数 F0.05(2,24)=3.40。
因为 F=196.18>3.40，所以否定 H0 总体回归方程是显著的。即可以认为劳动投入和资本投入与美国 27 家主要金属行业 SIC33 的产出有显著的线性关系。
（7）检验该模型是否存在异方差，并将结果复制粘贴到作业上。
因为回归式中含有两个解释变量，所以 White 检验辅助回归式中应该包括 5 个解释变量。辅助回归式为：
μ̂��2�� = α0 + α1LNK + α2LNL + α3LNK2 + α4LNL2+α5LNK ∗ LNL White 检验输出结果如下：
计量经济学（本科）第二次作业
题一
张同乐 0911275 国际经济与贸易系
多元线性回归模型 y = 0 + 1 x1 + 2 x2 +…+ k xk +u 中系数的线性约束，可以用线性约束条件的 F 检验来检验。比如，要检验模型
中最后 m 个回归系数是否为零，在原假设k-m+1=…=k =0 成立条件下，统计量
证明：
检验总体显著性的 F 检验的原假设为：
检验统计量为：
H0: 1 = ⋯ = �� = 0
1
F
=
��⁄�� ⁄(�� − ��
−
1)
~F(��，T
−
k
−
1)
(0.1)