实验五异方差模型的检验
异方差实验报告
《计量经济学》实训报告实训项目名称异方差的检验及修正实训时间 2011年12月13日实训地点班级学号姓名实训(实践) 报告实训名称异方差的检验及修正一、实训目的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；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。
二、实训要求使用教材第五章的数据做异方差的图形法检验、Goldfeld-Quanadt检验与White检验，使用WLS法对异方差进行修正。
三、实训内容1、用图示法、戈德菲尔德、white验证法，验证该模型是否存在异方差。
2、用加权最小二乘法消除异方差。
四、实训步骤练习题5.8数据1998年我国重要制造业销售收入和销售利润的数据Y—销售利润，x—销售收入1. 用OLS方法估计参数，建立回归模型：ls y c x回归结果如下：Y=12.036+0.1044x;S = (19.5178) (0.00844)T= (0.6167) (12.3667)R^2=0.8547 S.E.=56.90372.检验是否存在异方差(1) 图形检验：残差图形scat x e2结果表明：残差平方e2对解释变量的x的散点图主要分布在图形的下方，大致看出残差平方随X 的变动呈增大的趋势，因此，模型很可能出现异方差。
(2)戈德菲尔德-夸特检验首先，对变量进行排序，在这个题目中，我选择递增型排序，这是y与x将以x按递增型排序。
然后构造子样本区间，建立回归模型。
在本题目中，n=28,删除中间的1/4,的观测值，即大约8个观测值，剩余部分平分得两个样本区间：1—10和19-28，他们的样本个数均为10。
用OLS方法得到前10个数的样本结果(ls y c x)：用OLS方法得到后10个数的样本结果（ls y c x）：接着，根据戈德菲尔德检验得到F统计量：（两个残差平方和相除，大的除以小的）F=63769.67/2577.969=24.736。
异方差检验
第四次实验报告---异方差检验一 实验内容建国以来，各地区的粮食产量有了较大提高。
近年来，城市开发占用了大量耕地面积，各地区政府为了在保证粮食产量的情况下尽可能的加快城镇化。
现根据1983年至2000年的数据，来研究粮食产量与播种面积之间的关系。
二 模型设定为了定量分析播种面积和粮食产量之间的关系，弄清是否是播种面积越大粮食产量越高，建立了粮食产量与播种面积的回归模型。
12i i i Y X u ββ=++其中i Y 表示第年的粮食产量；i X 表示播种面积。
数据如下：年份粮食产量Y （万吨） 粮食播种面积X3（千公顷） 1983 38728 114047 1984 40731 112884 1985 37911 108845 1986 39151 110933 1987 40208 111268 1988 39408 110123 1989 40755 112205 1990 44624 113466 1991 43529 112314 1992 44264 110560 1993 45649 110509 1994 44510 109544 1995 46662 110060 1996 50454 112548 1997 49417 112912 1998 51230 113787 1999 50839 113161 2000 46218 108463三 参数估计运用Eviews 软件，进行简单线性回归分析，得出参数估计值。
回归结果如下：Dependent Variable: Y Method: Least Squares Date: 10/26/11 Time: 08:47Sample: 1983 2000 Included observations: 18Variable Coefficient Std. Error t-Statistic Prob. C -33822.41 68409.15 -0.494414 0.6277 X20.6988800.6132731.1395900.2712R-squared 0.075073 Mean dependent var 44127.11 Adjusted R-squared 0.017265 S.D. dependent var 4409.100 S.E. of regression 4370.873 Akaike info criterion 19.70775 Sum squared resid 3.06E+08 Schwarz criterion 19.80668 Log likelihood -175.3698 F-statistic 1.298665 Durbin-Watson stat 0.118043 Prob(F-statistic)0.271231估计结果为 ˆ-33822.410.69888i iY X =+ （-0.494414）（1.13959） 20.075073,F=1.298665R =括号内为t 统计量从上述估计值中，我们可以看出其可决系数较低，F 统计量的值也很低。
异方差性的检验及处理方法
异方差性的检验及处理方法异方差性是指随着自变量变化，因变量的方差不保持恒定，即方差存在不均匀的变化趋势。
在统计分析中，如果忽视了异方差性，可能会导致误差的不准确估计，从而影响对因变量的显著性检验和参数估计结果的准确性。
为了避免异方差性给统计分析带来的影响，需要进行异方差性的检验和处理。
下面将介绍几种常用的异方差性检验及处理方法。
一、异方差性的检验方法：1.绘制残差图：绘制因变量的残差（观测值与拟合值之差）与自变量的散点图，观察残差是否随着自变量的变化而存在明显的模式。
如果残差图呈现出锥形或漏斗形状，则表明存在异方差性。
2.帕金森检验：帕金森检验是一种常用的检验异方差性的方法。
该方法的原理是通过对残差进行变换，判断变换后的残差是否与自变量相关。
3. 布罗斯-佩根检验（Breusch-Pagan test）：布罗斯-佩根检验是一种常用的检验异方差性的方法。
该方法的原理是通过计算残差与自变量的相关系数，进而判断是否存在异方差性。
4. 品尼曼检验（Leve ne’s test）：品尼曼检验是一种非参数的检验方法，可以用于检验不同组别的方差是否存在显著差异。
二、异方差性的处理方法：1.变量转换：通过对因变量和自变量进行变换，可以使数据满足异方差性的假设。
比如可以对因变量进行对数转换或平方根转换，对自变量进行标准化处理等。
2.使用加权最小二乘法（WLS）：加权最小二乘法是一种可以处理异方差性的回归分析方法。
该方法的原理是通过对残差进行加权，使得残差的方差与自变量无关。
3.使用广义最小二乘法（GLS）：广义最小二乘法是一种可以处理异方差性的回归分析方法。
该方法的原理是通过对残差进行加权，使得残差的方差可以通过自变量的一个线性组合来估计。
4.进行异方差性的鲁棒估计：鲁棒估计是一种对异常值和异方差性具有较好鲁棒性的估计方法。
通过使用鲁棒估计，可以减少异方差性对参数估计的影响。
综上所述，异方差性是统计分析中需要重视的问题。
计量经济学--异方差、多重共线性
计量经济学实验报告实验1.异方差检验及修正一、 实验目的影响各地居民人均年消费支出的因素有多种，其中最主要的影响因素应当为收入，对于农村居民来说，收入包括从事农业经营的纯收入和其他来源的纯收入。
本题研究的是内地2006年各地区农村居民家庭人均纯收入与消费支出消费支出之间的关系是否存在异方差，如存在异方差并做出修正。
数据来源为《中国农村住户调查年鉴（2007）》、《中国统计年鉴（2007）》。
二、 实验步骤 1、建立模型01122Y X X u βββ=+++其中，Y 表示人均消费支出，X1表示从事农业经营的纯收入，X2表示其他来源的纯收入，单位为元。
2、从excel 中将数据导入EViews 中，得到图1。
图13、在EViews 命令框中直接键入“ls y c x1 x2”，按回车，即出现回归结果，如表2。
表2Dependent Variable: Y Method: Least Squares Date: 12/04/13 Time: 17:20 Sample: 1 31Included observations: 31Coefficient Std. Error t-Statistic Prob.C 728.1402 328.1558 2.218886 0.0348 X1 0.402097 0.164894 2.438514 0.0213 X20.7090300.041710 16.999110.0000R-squared0.922173 Mean dependent var 2981.623 Adjusted R-squared 0.916614 S.D. dependent var 1368.763 S.E. of regression 395.2538 Akaike info criterion 14.88870 Sum squared resid 4374316. Schwarz criterion 15.02747 Log likelihood -227.7748 Hannan-Quinn criter. 14.93394 F-statistic 165.8853 Durbin-Watson stat 1.428986Prob(F-statistic)0.000000由表可以得到：12728.14020.4020970.70903i Y X X =++（328.1558）（0.164894） （0.041710） t= (2.218886) (2.438514) （16.99911）220.922173,0.916614,165.8853R R F ===4、模型检验在显著性为0.05时，P 值都小于0.05，通过显著性检验，认为X1、X2显著。
异方差实验报告步骤(3篇)
第1篇一、实验目的1. 掌握异方差性的基本概念和检验方法。
2. 学会运用统计软件进行异方差的检验和修正。
3. 提高对计量经济学模型中异方差性处理能力的实践应用。
二、实验原理1. 异方差性：在回归分析中，若回归模型的误差项（残差）的方差随着自变量或因变量的取值而变化，则称模型存在异方差性。
2. 异方差性的检验方法：图形检验、统计检验（如F检验、Breusch-Pagan检验、White检验等）。
3. 异方差性的修正方法：加权最小二乘法（WLS）、广义最小二乘法（GLS）等。
三、实验步骤1. 数据准备1. 收集实验所需数据，确保数据质量和完整性。
2. 对数据进行初步处理，如剔除异常值、缺失值等。
2. 模型设定1. 根据研究问题，选择合适的回归模型。
2. 利用统计软件（如Eviews、Stata等）进行初步的回归分析。
3. 异方差性检验1. 图形检验：绘制散点图，观察残差与自变量或因变量的关系，初步判断是否存在异方差性。
2. 统计检验：- F检验：检验回归系数的显著性。
- Breusch-Pagan检验：检验残差平方和与自变量或因变量的关系。
- White检验：检验残差平方和与自变量或因变量的多项式关系。
4. 异方差性修正1. 若检验结果表明存在异方差性，则需对模型进行修正。
2. 选择合适的修正方法：- 加权最小二乘法（WLS）：根据残差平方与自变量或因变量的关系，计算权重，加权最小二乘法进行回归分析。
- 广义最小二乘法（GLS）：根据残差平方与自变量或因变量的关系，选择合适的方差结构，广义最小二乘法进行回归分析。
5. 结果分析1. 对修正后的模型进行回归分析，观察回归系数的显著性、拟合优度等指标。
2. 对实验结果进行分析，解释实验现象，验证研究假设。
6. 实验报告撰写1. 撰写实验报告，包括以下内容：- 实验目的- 实验原理- 实验步骤- 实验结果- 分析与讨论- 结论2. 实验报告应结构清晰、逻辑严谨、语言简洁。
实验异方差模型的检验和处理学生实验报告
4.703427
Durbin-Watson stat
1.930056
Prob(F-statistic)
0.018458
模型【3】
Heteroskedasticity Test: White
F-statistic
14.65680
Prob. F(1,16)
0.0015
Obs*R-squared
Prob.
Y
-0.100666
0.093257
-1.079451
0.3297
C
9534.708
1265.147
7.536443
0.0007
R-squared
0.188998
Mean dependent var
8243.949
Adjusted R-squared
0.026798
S.D. dependent var
19.56939
Log likelihood
-76.19814
Hannan-Quinn criter.
19.41558
F-statistic
5.587862
Durbin-Watson stat
0.656404
Prob(F-statistic)
0.055988
（请对得到的图表进行处理，以上在一页内）
3.White检验法
实验报告
课程名称：计量经济学
实验项目：实验五异方差模型的
检验和处理
实验类型：综合性□设计性□验证性
专业班别：
姓名：
学号：
实验课室：
指导教师：石立
实验日期：
广东商学院华商学院教务处制
计量经济学实验5 异方差
具体步骤是：
1 ．选择普通最小二乘法估计原模型，得到随机误差 项的近似估计量 û t； 2．建立 1/| û t | 的数据序列； 3．选择加权最小二乘法，以 1/| û t |序列作为权，进
行估计得到参数估计量。实际上是以 1/| û t |乘原模型的两
边，得到一个新模型，采用普通最小二乘法估计新模型。
以不必把它们全包括在内。无交叉项选项仅使用解释变
量平方进行检验回归。
例：人均家庭交通及通讯支出(CUM)和可支配收入(IN ) 的回归方程的 White 异方差检验的结果：
该结果F 统计量和 Obs*R2 统计量的P值均很小，表明 拒绝原假设，即残差存在异方差性。
利用加权最小二乘法消除异方差
1．方差已知的情形 假设有已知形式的异方差性，并且有序列w，其值与误差标 准差的倒数成比例。这时可以采用权数序列为w 的加权最小二乘 估计来修正异方差性。对加权自变量和因变量最小化残差平方和 得到估计结果 :
四、实验原理与操作
异方差性检验
1. 图示检验法 (1) 用X-Y的散点图进行判断 观察是否存在明显的散点扩大、缩小或复杂型趋势（即 不在一个固定的带型域中）
2的散点图进行判断 （2）X - û i 首先采用OLS方法估计模型，以求得随机误差项的估计量 (注意，该估计量是不严格的)，我们称之为“近似估计量”，用 2 表示。于是有 û i
5．随机误差项服从0均值、同方差的正态分布。即
ui ~
N (0, )
2
i=1,2,…,N
当随机误差项满足假定1 ~ 4时，将回归模型”称为 “标准回归模型”，当随机误差项满足假定1 ~ 5时，将回 归模型称为“标准正态回归模型”。如果实际模型满足不 了这些假定，普通最小二乘法就不再适用，而要发展其他 方法来估计模型。
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。
(整理)计量经济学异方差的检验与修正
《计量经济学》实训报告实训项目名称异方差模型的检验与处理实训时间 2012-01-02实训地点实验楼308班级学号姓名实 训 (实 践 ) 报 告实 训 名 称 异方差模型的检验与处理一、 实训目的掌握异方差性的检验及处理方法。
二 、实训要求1.求销售利润与销售收入的样本回归函数，并对模型进行经济意义检验和统计检验；2.分别用图形法、Goldfeld-Quant 检验、White 方法检验模型是否存在异方差；3.如果模型存在异方差，选用适当的方法对异方差进行修正，消除或减小异方差对模型的影响。
三、实训内容建立并检验我国制造业利润函数模型，检验异方差性，并选用适当方法对其进行修正，消除或不同）四、实训步骤1.建立一元线性回归方程；2.建立Workfile 和对象，录入数据；3.分别用图形法、Goldfeld-Quant 检验、White 方法检验模型是否存在异方差；4.对所估计的模型再进行White 检验，观察异方差的调整情况，从而消除或减小异方差对模型的影响。
五、实训分析、总结表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。
假设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：12i i i Y X u ββ=++其中i Y 表示销售利润，i X 表示销售收入。
表1 我国制造工业1998年销售利润与销售收入情况1.建立Workfile和对象，录入销售收入X和销售利润Y：图1 销售收入X和销售利润Y的录入2.图形法检验⑴观察销售利润Y与销售收入X的相关图：在群对象窗口工具栏中点击view\Graph\Scatter\Simple Scatter, 可得X与Y的简单散点图(图1)，可以看出X与Y是带有截距的近似线性关系，即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。
图2 我国制造工业销售利润与销售收入相关图⑵残差分析由路径：Quick/Estimate Equation，进入Equation Specification窗口，键入“y c x 确认并“ok”，得样本回归估计结果，见图3。
异方差性的检验方法和修正
Z N UE L异方差性的检验方法和修正一、 实验目的熟练掌握异方差性的检验方法和修正处理方法二、实验原理异方差（heteroskedasiticity ）是计量经济工作红线性回归模型经常遇到的问题，异方差的存在对线性回归分析有很强的破坏作用。
利用异方差的图形检验、戈德菲尔特-夸特检验、怀特检验方法，检验案例中线性回归模型的异方差是否存在，若存在的话，如何通过加权最小二乘法进行修正，建立能够真正反应案例的经济模型，实现对经济的正确指导作用。
三、实验要求通过Eviews 软件应用给定的案例做异方差模型的图形检验法、Glodfeld-Quanadt（戈德菲尔特-夸特）检验与White（怀特）检验，并使用加权最小二乘法（WLS）对异方差进行修正。
四、 实验步骤在现实经济活动中，最小二乘法的基本假定并非都能满足，本案例讲讨论随机误差项违背基本假定的一个方面—异方差性。
本案例将介绍：异方差模型的图形检验、戈德菲尔特-夸特检验、怀特检验；异方差模型的加权最小二乘法修正。
1、建立workfile 和对象，录入2007年城镇居民收入X 和消费额Y 的数据。
2、参数估计按住ctrl 键，同时选中序列X 和序列Y ，点右键，在所出现的右键菜单中，选择open\as Group 弹出一对话框，点击其上的“确定”，可生成并打开一个群对象。
在群对象窗口工具栏中点击view\Graph\Scatter\Simple Scatter, 可得X 与Y 的简单散点图，可以看出X 与Y 是带有截距的近似线性关系。
点击朱界面菜单Quick\Estimate Equation, 在弹出的对话框中输入 Y C X,点确定即可到回归结果，如下：VariableCoefficientStd. Errort-StatisticProb. C 756.6871570.1912 1.3270760.1948X0.3076930.01908216.124970.0000R-squared0.899659 Mean dependent var 8689.161Durbin-Watson stat1.694571 Prob(F-statistic)0.0000003、异方差检验本案例用的是2007年的全国各个诚实城镇居民收入和消费额，由于地区之间这种差异使得模型很容易产生异方差，从而影响模型的估计和运行，为此必须对该模型是否存在异方差进行检验。
异方差实验
实验二实验内容：异方差模型的检验和修正方法实验要求：通过本次实验，初步掌握掌握判断模型是否存在异方差的一般方法，包括图示法、Goldfeld-Quandt检验法、Gleiser检验法、怀特检验法；并会利用加权最小二乘法修正模型。
实验数据：表4.1.1数据实验步骤：1、用OLS法建立模型第一步：建立WORKFILEFil e→ new →workfile→弹出对话框→第一个填 1→第二个填31→OK第二步:输入数据1、建立存放数据的Group:在命令主出口输入命令DATA Y X然后按ENTER运行2、从原来保存数据的表格中复制数据到Group如何求已知数列的新数列：genr lnx1=log(x1)第三步：软件操作OLS法主命令窗口输入：LS Y C LNX1 LNX2 按ENTER运行结果如图所示：2、检验模型是否存在异方差第一种方法：图示法第一步：求原来模型的参差项（e~的值）i只要对原来的模型进行普通最小二乘估计就可以求的残差项，残差项在系统中默认为resid.Resid的位置在workfile窗口，如下图所示。
第二步：图示2~ie 和X 的关系 Quick →Graph →弹出对话框→输入LNX2(横轴) →resid^2(纵轴) →OK →下拉菜单选 scatter diagram →ok (结果如下图)分析这个图：因为不是和横轴平行的直线，所以存在异方差；而且resid^2随着X 的增加而增加，所以是递增型异方差。
第二种方法：帕克戈里瑟检验第一步：建立2~ie 和X 的模型（本题建立的是一元线性回归模型，并且解释变量是一次方的，这个模型的具体形式根据具体情况来决定）122i i eLN X ααε=++ 第二步：对上面这个模型进行回归主命令窗口输入： Ls abs(resid) c lnx2 结果如下图所示：方程F检验值为：F=0.625190临界值0.05(1,29) 4.18F=因为 F＜05.0F（也可以用T检验）所以作为解释变量的X对被解释变量2~ie的影响不显著，意思就是说2~i e随着X的变化没有变化。
异方差的检验与修正
38.60038 -2.341252 0.001006 -0.012679 38.51209 108272.2 -379.2297 0.073505 0.787065
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
sales 0 1 price e
根据最小二乘估计的思想估计模型参数， （此过程参见附 B）结果如下图：
Coefficient C PRICE R-squared Adjusted R-squared 121.9002 -7.829074 0.391301 0.382963 Std. Error 6.526291 1.142865 t-Statistic 18.67832 -6.850394 Prob. 0.0000 0.0000 77.37467 6.488537
实验5 异方差检验
B、 绘制散点图 a、直接在命令栏输入“scat X e2”，按Enter； b、选择变量名 X与e2（注意变量顺序，先选的在图 中表示横轴，后选的表示纵轴），再按路径 view/graph/scatter； c、由路径quick/graph进入series list窗口，输入 “X e2”，点“ok”，再在弹出的graph窗口中选 择scatter，再点ok。 得到图5.1
一、检验异方差性
1、图形分析 (1)、X——残差散点图进行分析 步骤：A、先生成残差平方序列 a、在Workfile的对话框里，由路径 Procs/Generate Sseries，进入Generate Series by Equation，键入“e2=resid^2”，生 成残差平方项序列； b、直接在命令栏输入“genr e2=resid^2”，按 Enter，得到参数平方项序列。
实验五异方差模型的检验讲解
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C20 -0.006620
1125.376 4.651328 0.002964
-0.781829 2.781398 -2.233561
0.4417 0.0101 0.0347
Heteroskedasticity Test: White
F-statistic Obs*R-squared Scaled explained SS
4. 40866 7.932189 14.57723
Prob. F(2,25) Prob. Chi-Square(2) Prob. Chi-Square(2)
实验报告
课程名称：
计量经济学
实验项目： 实验五 异方差模型的
检验和处理
实验类型：综合性□ 设计性□ 验证性
专业班别：
12 国
姓 名：
学 号：
412
实验课室：
厚德楼 A404
指导教师：
实验日期：
2015 年 5 月 28 日
广东商学院华商学院教务处 制
一、实验项目训练方案
小组合作：是□ 否 小组成员：无
2
7220.44
6317.03
3
7299.25
6463.37
4 8241.209999999999
6350.38
5
8842.84
6757.02
6
9214.6
7294.93
7
9867.36
7669.84
8
10097.2
7476.65
9
10908.36
8113.64
实验报告：异方差模型的检验和处理
实验实训报告课程名称：计量经济学实验开课学期：2012-2013学年第一学期开课系(部)：经济系开课实验(训)室：数量经济分析实验室学生姓名：专业班级：学号：重庆工商大学融智学院教务处制实验题目实验概述【实验(训)目的及要求】通过本次实验，使学生掌握异方差模型的检验方法及校正方法。
其中，检验方法主要掌握图形法检验、怀特检验；校正方法主要掌握加权最小二乘法、White 校正法。
【实验(训)原理】对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性。
异方差的实质表现为随机误差项的方差随着解释变量（引起异方差的解释变量）观测值的变化而变化。
对于出现异方差的原模型主要采用校正其异方差，再对校正后的模型采用普通最小二乘法估计。
实验内容【实验(训)方案设计】1、图形法检验：（1）回归分析；（2）得到残差趋势图和残差散点图；（3）分析异方差。
2、使用White检验异方差：（1）回归分析；（2）得到White检验统计量及伴随概率；（3）根据结果判断分析异方差的存在性。
3、在发现存在异方差的基础上，进行异方差的处理：（1）使用加权最小二乘法校正异方差：①输入回归方程；②在Option中选择加权最小二乘法，并输入权重序列名称；③得到校正后的结果。
（2）使用White校正法解决异方差：①输入回归方程；②在Option中选择White校正；③得到校正后的结果。
【实验(训)过程】（实验(训)步骤、记录、数据、分析）实验背景本例用的是四川省2000年各地市州的医疗机构数和人口数。
为了给制定医疗机构的规划提供依据，分析比较医疗机构（Y，单位：个）与人口数量(X，单位：万人)的关系，建立卫生医疗机构数与人口数的回归模型。
假定医疗机构数与人口数之间满足线性约束，则理论模型设定为其中，i Y 表示卫生医疗机构数，i X 表示人口数。
【实验(训)过程】（实验(训)步骤、记录、数据、分析）1、根据实验数据的相关信息建立Workfile ；在菜单中依次点击File\New\Workfile,在出现的对话框“Workfilerange ”中选择数据频率。
实验五异方差模型的检验
-0.247901
0.8065
T^2
49.08543
152.9875
0.320846
0.7514
R-squared
0.311766
????Mean dependent var
3461.910
Adjusted R-squared
0.155349
????S.D. dependent var
Prob.??
C
1837.898
6243.701
0.294360
0.7712
GDPS
-3.395093
5.407361
-0.627865
0.5366
GDPS^2
-9.08E-05
0.000185
-0.489537
0.6293
GDPS*T
0.160300
0.315176
0.508604
0.6161
T
-491.5614
????S.D. dependent var
4080.739
S.E. of regression
3590.225
????Akaike info criterion
19.31077
Sum squared resid
3.22E+08
????Schwarz criterion
19.45351
Log likelihood
592.8541
????Akaike info criterion
15.84273
Sum squared resid
1757380.
????Schwarz criterion
15.82728
第五章第三节 异方差性的检验
3、 G-Q检验具体步骤
（1）将样本（观察值）按某个解释变量的大小排序；
（2）将序列中间（段）约 c = 1 / 4 个观察值除去，并使余下的头、尾两段样本容量相同，均为(n-c)/2 个；（3）提出假设：
H0 : ui为同方差； H1：ui为异方差
（4）分别对头、尾两部分样本进行回归，且计算各残差平方和分别为
对（2）式进行回归
R2
a) H0 : 1 2 P H1 : 至少一个i 0
三、Glejser (格里瑟)检验(选学)
四、Breusch—Pagan (布鲁士—佩格)检验(选学) 五、White(怀特)检验 六、ARCH检验
除了图示法以外的检验方法都是构造统计量 实施检验，称为解析法
共同思路
• 异方差性，是相对于不同的样本点，即相对于不 同的X观测值， ui具有不同的方差
ei2
图形分析法是利用残差序列绘制出各种图形，以供分析检验使用。 包括：
1、解释变量为X 轴，残差的平方ei 2 为Y轴的 散点图。
2.解释变量为X 轴,被解释变量为Y轴的X－Y散点图
异方差的类型大致可以分为递增异方差、递减异方差、 复杂异方差三种。 用Y X 作散点图的区域逐渐变宽、变窄、不规则变化， 认为存在异方差； 用ei2 X 作散点图上e2并不近似于某一常数， 则认为存在异方差。
（2）求出残差et , 进而求出et2
(3)估计et2
0
1 X 2t
2 X3t
3
X
2 2t
4
X
2 3t
5 X2t
X 3t
t
(4)针对上述模型作回归，并计算统计量nR2。其中：n为样本
- 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)。
X
-354.7917
388.1454
-0.914069
0.3751
X^2
0.018810
0.011686
1.609597
0.1283
R-squared
0.505630
????Mean dependent var
1232693.
Adjusted R-squared
0.439714
????S.D. dependent var
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/07/15 Time: 12:47
Sample: 1978 2005
Included observations: 28
Variable
Coefficient
Std. Error
t-Statistic
实验报告
课程名称：计量经济学
实验项目：实验五异方差模型的
检验和处理
实验类型：综合性□设计性□验证性
专业班别：12国
姓名：
学号：412
实验课室：厚德楼A404
指导教师：
实验日期：2015年5月28日
广东商学院华商学院教务处制
一、实验项目训练方案
小组合作：是□否
小组成员：无
实验目的：
掌握异方差模型的检验和处理方法
8296.43
11
1
229.17
9505.66
12
15762.77
12651.95
13
17680.1
14485.61
14
18287.24
14468.24
15
18907.73
14323.66
16
21015.03
18550.56
17
22881.8
21767.78
18
28665.25
21188.84
Dependent Variable: Y
实验场地及仪器、设备和材料
实验室：普通配置的计算机，Eviews软件及常用办公软件。
实验训练内容（包括实验原理和操作步骤）：
【实验原理】
异方差的检验：图形检验法、Goldfeld-Quanadt检验法、White检验法、Glejser检验法；
异方差的处理：模型变换法、加权最小二乘法(WLS)。
【实验步骤】
2511199.
S.E. of regression
187பைடு நூலகம்689.
????Akaike info criterion
31.88212
Sum squared resid
5.30E+13
592.8541
????Akaike info criterion
15.84273
Sum squared resid
1757380.
????Schwarz criterion
15.82728
Log likelihood
-53.44956
????Hannan-Quinn criter.
15.65172
Prob.??
C
1837.898
6243.701
0.294360
0.7712
GDPS
-3.395093
5.407361
-0.627865
0.5366
GDPS^2
-9.08E-05
0.000185
-0.489537
0.6293
GDPS*T
0.160300
0.315176
0.508604
0.6161
T
-491.5614
-267.3508
????Hannan-Quinn criter.
19.35441
F-statistic
4.940866
????Durbin-Watson stat
2.144291
Prob(F-statistic)
0.015552
模型【2】
Heteroskedasticity Test: White
F-statistic
1.993171
????Prob. F(5,22)
0.1195
Obs*R-squared
8.729438
????Prob. Chi-Square(5)
0.1204
Scaled explained SS
14.67857
????Prob. Chi-Square(5)
0.0118
Test Equation:
模型【2】
相关分析图
残差散点图
模型【3】
相关分析图
残差散点图
【思考】①相关分析图和残差散点图的不同点是什么？
②*在模型【2】中，自变量有两个，有无其他处理方法？尝试做出来。
（请对得到的图表进行处理，以上在一页内）
2.Goldfeld-Quanadt检验法
用Goldfeld-Quanadt检验法检验模型【3】是否存在异方差。
Eviews操作：先做模型，选view/Residual Tests/ Heteroskedasticity Tests/White/(勾选cross terms)。摘录主要结果附在本页内。
模型【1】
Heteroskedasticity Test: White
F-statistic
4.
40866
????Prob. F(2,25)
1982.891
-0.247901
0.8065
T^2
49.08543
152.9875
0.320846
0.7514
R-squared
0.311766
????Mean dependent var
3461.910
Adjusted R-squared
0.155349
????S.D. dependent var
????S.D. dependent var
4080.739
S.E. of regression
3590.225
????Akaike info criterion
19.31077
Sum squared resid
3.22E+08
????Schwarz criterion
19.45351
Log likelihood
Method: Least Squares
Date: 06/07/15 Time: 12:44
Sample: 1978 2005
Included observations: 28
Variable
Coefficient
Std. Error
t-Statistic
Prob.??
C
-879.8513
1125.376
Method: Least Squares
Date: 06/07/15 Time: 12:51
Sample: 1 18
Included observations: 18
Variable
Coefficient
Std. Error
t-Statistic
Prob.??
C
1865425.
2810916.
0.663636
本实验考虑三个模型：
【1】广东省财政支出CZ对财政收入CS的回归模型；（数据见附表1：附表1-广东省数据）
【2】广东省固定资产折旧ZJ对国内生产总值GDPS和时间T的二元回归模型；（数据见附表1：附表1-广东省数据）
【3】广东省各市城镇居民消费支出Y对人均收入X的回归模型。（数据见附表2：附表2-广东省2005年数据）
0.0051
Obs*R-squared
9.101341
????Prob. Chi-Square(2)
0.0106
Scaled explained SS
14.09286
????Prob. Chi-Square(2)
0.0009
Test Equation:
Dependent Variable: RESID^2
（一）异方差的检验
1.图形检验法
分别用相关分析图和残差散点图检验模型【1】、模型【2】和模型【3】是否存在异方差。
注：①相关分析图是作应变量对自变量的散点图（亦可作模型残差对自变量的散点图）；
②残差散点图是作残差的平方对自变量的散点图。
③模型【2】中作图取自变量为GDPS来作图。
模型【1】
相关分析图
F-statistic
10.96274
????Durbin-Watson stat
1.761325
Prob(F-statistic)
0.021217
Dependent Variable: Y
Method: Least Squares
Date: 06/07/15 Time: 11:20
Sample: 12 18
将实验中重要的结果摘录下来，附在本页。
obs
X
Y
1
7021.94
2
7220.44
6317.03
3
7299.25
6463.37
4
6350.38
5
8842.84
6757.02
6
9214.6
7294.93
7
9867.36
7669.84
8
10097.2
7476.65
9
10908.36
8113.64
10
11944.08
注：Goldfeld-Quanadt检验法的步骤为：①排序：②删除观察值中间的约1/4的，并将剩下的数据分为两个部分。③构造F统计量：分别对上述两个部分的观察值求回归模型，由此得到的两个部分的残差平方为 和 。 为较大的残差平方和， 为较小的残差平方和。④算统计量 。⑤判断：给定显着性水平 ，查F分布表得临界值 。如果 ，则认为模型中的随机误差存在异方差。（详见课本135页）