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1

LS Y C X 求出子样本1的回归平方和RSS1

SMPL 17 26 确定子样本2

LS 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。第四步，最后定义两个新变量，即X2=X-B*X1，Y2=Y-B*X2，最后做X2和Y2的回归，这样广义差分就完成了。但是这仅仅只是一次广义差分，观察X2和Y2的回归分析表，如

果DW值仍然显示有自相关，则还要做一次差分，即重复上述步骤即可。一般来说，广义差分最多做2次就行了。。。