计量经济学上机实验报告(异方差性)
异方差性实验报告doc
异方差性实验报告篇一：计量经济学上机实验报告(异方差性)提示：打包保存时自己的文件夹以“学号姓名”为文件夹名，打包时文件夹内容包括：本实验报告、EViews工作文件。
篇二：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（SCATX 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： Y?187.507?0.032*X ----------（*） ?(0.17)(2.88) R2=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。
计量经济学上机实验
西安郵電大学《计量经济学》课内上机实验报告书系部名称：经济与管理学院学生姓名：专业名称：班级：时间：2011-2012（2）1、教材P54 11题2、教材P91 10、11题3、教材p135 7、8题11、下表是中国1978-2000年的财政收入Y和国内生产总值（GDP）的统计资料。
单位：亿元要求，以手工和运用EViews软件（或其他软件）：（1）作出散点图，建立财政收入随国内生产总值变化的一元线性回归模型，并解释斜率的经济意义；（2）对所建立的回归模型进行检验；（3）若2001年中国国内生产总值为105709亿元，求财政收入的预测值及预测区间。
Dependent Variable: YMethod: Least SquaresDate: 04/12/11 Time: 11:26Sample: 1978 2000R-squared Mean dependent varAdjusted R-squared. dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statistic0200004000060000800001000007880828486889092949698001.通过已知数据得到上面得散点图，财政收入随国内生产总值变化的一元线性回归方程： Ŷi= +（） （） t=r ²= F= ˆσ= 估计的解释变量的系数为，说明国内生产总值每增加一元，财政收入将增加元，符合经济理论。
2.（1）样本可决系数r ²=，模拟拟合度较好。
（2）系数的显著性检验：给定α=0,05，查t 分布表在自由度为n-2=21时的临界值为(21)=因为t=> (21)=, 国内生产总值对财政收入有显著性影响。
3．2001年的财政收入的预测值：Ŷ01= + *105709=2001年的财政收入的预测区间：在1-α下，Y01的置信区间为： Y01∈()()01/2001/20ˆˆˆˆ,Yt e Y t e αασσ⎡⎤-+⎣⎦即： Y01∈[]11612.666943,14829.98478310、在一项对某社区家庭对某种消费品的消费需要调查中，得到下表所示的资料。
计量经济学实验报告
计量经济学实验报告实验报告：《计量经济学》一、数据以下是中国部分省市城镇居民家庭人均年可支配收入（X）与消费性支出（Y）的统计数据：地区可支配收入（X）消费性支出（Y）北京 .69 8493.49天津 8140.50 6121.04河北 5661.16 4348.47山西 4724.11 3941.87内蒙古 5129.05 3927.75辽宁 5357.79 4356.06吉林 4810.00 4020.87黑龙江 4912.88 3824.44上海 .01 8868.19江苏 6800.23 5323.18浙江 9279.16 7020.22山东 6489.97 5022.00河南 4766.26 3830.71湖北 5524.54 4644.5湖南 6218.73 5218.79广东 9761.57 8016.91陕西 5124.24 4276.67甘肃 4916.25 4126.47青海 5169.96 4185.73新疆 5644.86 4422.93二、理论模型的设计解释变量：可支配收入X 被解释变量：消费性支出Y 软件操作：1.X与Y散点图从散点图可以看出，随着可支配收入的增加，消费性支出也在增加，大致呈线性关系。
因此，建立一元线性回归模型：Yi = β + β1Xi + μi2.对模型做OLS估计OLS估计结果为：Y = 272.3635 + 0.7551Xt1 = 1.7057t2 = 32.3869R2 = 0.9831DW。
= 1.3017F = 1048.912三、模型检验从回归估计结果看，模型拟合较好，可决系数为0.98，表明家庭人均年可消费性支出变化的98.31%可由支配性收入的变化来解释。
t检验：在5%的显著性水平下，β1不显著。
表明可支配收入增加1个单位，消费性支出平均增加0.7551单位。
1.预测现已知2018年人均年可支配收入为元，预测消费支出预测值为：Y = 272.3635 + 0.7551× = .3635E(X) = 6222.209，Var(X) = 1994.033则在95%的置信度下，E(Y)的预测区间为（874.28,.68）。
计量经济学上机实验
计量经济学上机实验上机实验一：一元线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参数估计并进行检验上机步骤：中国内地2011年中国各地区城镇居民每百户计算机拥有量和人均总收入一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y X2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y X2.相关图：键入命令 SCAT Y X 散点图：趋势图：上机结果：Yˆ11.958+0.003X=s (βˆ) 5.6228 0.0002t (βˆ) 2.1267 11.9826prob 0.0421 0.00002=0.831 R2=0.826 FR=143.584 prob(F)=0.0000上机实验二：多元线性回归模型实验目的：多元回归模型的建立、比较与筛选，掌握基本的操作要求并能根据理论对分析结果进行解释实验内容：对线性回归模型进行参数估计并进行检验上机步骤：商品的需求量与商品价格和消费者平均收入趋势图：散点图：上机结果:i Yˆ=132.5802-8.878007X1-0.038888X2s (βˆ) 57.118 4.291 0.419t (βˆ) 2.321 -2.069 -0.093prob 0.0533 0.0773 0.9286 R2=0.79 R2=0.73 F =13.14 prob(F)=0.00427三：非线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参上机步骤：我国国有独立核算工业企业统计资料一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y L K2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y K L2.相关图：键入命令 SCAT Y K L四．估计回归模型：键入命令LS Y C K L上机结果：Y =4047.866K1.262204L-1.227157s (βˆ) 17694.18 0232593 0.759696t (βˆ) 0.228768 5.426669 -1.615325prob 0.8242 0.0004 0.1407R2=0.989758 R2=0.987482 F=434.8689 prob(F)=0.0000上机实验四：异方差实验目的：：掌握异方差的检验与调整方法的上机实现实验内容：我国制造工业利润函数行业销售销售行业销售销售实验步骤：一．检验异方差性1．图形分析检验：1) 观察Y、X相关图：SCAT Y X2) 残差分析:观察回归方程的残差图LS Y C X在方程窗口上点击Residual按钮；2． Goldfeld-Quant检验：SORT XSMPL 1 10LS Y C X（计算第一组残差平方和）SMPL 19 28LS Y C X（计算第二组残差平方和）计算F统计量，判断异方差性3．White检验：SMPL 1 28LS Y C X在方程窗口上点击：View\Residual\Test\White Heteroskedastcity 由概率值判断异方差性。
计量经济学实验报告(三)
2012 — 2013 第 1 学期计量经济学实验报告实验（三）：计量经济检验与修正实验学号：0101702 姓名：宋蕾专业: 财务管理选课班级：A（2实验日期： 2 0 11.112实验地点：南区综合楼经济管理与创业模拟实验中心实验室实验名称：计量经济检验与修正实验【实验目标、要求】使学生掌握用Eviews做1.异方差性检验和修正方法；2.自相关性检验和修正方法；3.【实验内容】实验内容以课后练习：以114页第6题、130页应用题第2题为例进行操作【实验步骤】一、第114页第6题（一）创建工作文件在主菜单上依次单击File T New^Workfile ,选择数据类型和起止日期。
时间序列提供起止日期（年、季度、月度、周、日），非时间序列提供最大观察个数。
本题中在workfile structure type 中选Unstructured/Undated, 在Data range Observation 中填 2 8。
单击OK后屏幕出现Workfile工作框，如图所示。
（二）输入和编辑数据在命令窗口直接输入：Data Y X . 屏幕出现数据编辑框，如下图所示。
点击上图中对话框的"Edit +/-"，将数据进行输入，如下图所示。
数据输入完毕，单击工作文件窗口工具条的存入磁盘。
（三）0 LS估计参数利用2008年中国部分省市城镇居民家庭平均全年可支配收入（的相关数据表，作散点图。
Eviews命令:scat X Y ; 如图所示X）与消费性支出（Y）Save或单击菜单兰的File宀Save将数据可看出2 0 0 8年中国部分省市城镇居民家庭平均全年可支配收入 (X)与消费性支出(Y)的关系近似直线关系可建立线性回归模型。
在主菜单命令行键入：“LS Y C X ”，然后回车。
即可直接出现如下图所示的计算结果Depe ndent Variable: Y Method: Least Squares Date: 12/12/12 Time: 20:15 Sample: 1 28In cluded observati ons: 28VariableCoefficie ntStd. Errort-StatisticProb.C 735.1080 477.1123 1.540744 0.1355 X0.6662220.03055821.802130.0000R-squared0.948138Mean depe ndent var 10780.65 Adjusted R-squared 0.946144 S.D. dependent var 2823.752 S.E. of regressi on 655.3079 Akaike info criteri on 15.87684 Sum squared resid 11165139 Schwarz criteri on 15.97199 Log likelihood -220.2757 F-statistic 475.3327 Durb in -Watson stat1.778976Prob(F-statistic)0.000000(477. 1123) (0 . 030558) 点击 store to DB，将估计式以“ eq01 ”为名保存。
《计量经济学》第五章 异方差性
（二）检验的特点
不仅能对异方差的存在进行判断，而且还能对异 方差随某个解释变量变化的函数形式 进行诊断。 该检验要求变量的观测值为大样本。
36
（三）检验的步骤
1.建立模型并求 ei 根据样本数据建立回归模型，并求残差序列
4
第一节 异方差性的概念
本节基本内容：
●异方差性的实质 ●异方差产生的原因
5
一、异方差性的实质
同方差的含义
同方差性：对所有的 i (i 1,2,...,n)有：
Var(ui ) = σ 2
（5.1）
因为方差是度量被解释变量 Y的观测值围绕回归线
E(Yi ) 1 2 X 2i 3X3i ... k X ki （5.2）
1.求回归估计式并计算 et2
用OLS估计式（5.14），计算残差
差的平方 et2 。
et
Yt
-Yˆt
，并求残
2.求辅助函数
用残差平方
et2
作为异方差
σ
2 t
的估计，并建立
X
2t
,
X
3t
,
X
2 2t
,
X
2 3t
,
X
2t
X
3t
的辅助回归，即
eˆt2
=
αˆ1
+
αˆ2
X
2t
+
αˆ3
X
3t
+
αˆ4
X
2 2t
+
αˆ5
X
2 3t
+
αˆ6
计量经济学上机实验手册
计量经济学上机实验手册标准化工作室编码[XX968T-XX89628-XJ668-XT689N]实验三异方差性实验目的：在理解异方差性概念和异方差对OLS回归结果影响的基础上，掌握进行异方差检验和处理的方法。
熟练掌握和运用Eviews软件的图示检验、G-Q检验、怀特（White）检验等异方差检验方法和处理异方差的方法——加权最小二乘法。
实验内容：书P116例4.1.4：中国农村居民人均消费函数中国农村居民民人均消费支出主要由人均纯收入来决定。
农村人均纯收入除从事农业经营的收入外，还包括从事其他产业的经营性收入以及工资性收入、财产收入和转移支付收入等。
为了考察从事农业经营的收入和其他收入对中国农村居民消费支出增长的影响，建立双对数模型：其中，Y表示农村家庭人均消费支出，X1表示从事农业经营的纯收入，X2表示其他来源的纯收入。
表4.1.1列出了中国内地2006年各地区农村居民家庭人均纯收入及消费支出的相关数据。
注：从事农业经营的纯收入由从事第一产业的经营总收入与从事第一产业的经营支出之差计算，其他来源的纯收入由总纯收入减去从事农业经营的纯收入后得到。
资料来源：《中国农村住户调查年鉴（2007）》、《中国统计年鉴（2007）》。
实验步骤：一、创建文件1.建立工作文件CREATE U 1 31 【其中的“U”表示非时序数据】2.录入与编辑数据Data Y X1 X2 【意思是：同时录入Y、X1和X2的数据】3.保存文件单击主菜单栏中File→Save或Save as→输入文件名、路径→保存。
二、数据分析1.散点图①Scat X1 Y从散点图可看出，农民农业经营的纯收入与农民人均消费支出呈现一定程度的正相关。
②Scat X2 Y从散点图可看出，农民其他来源纯收入与农民人均消费支出呈现较高程度的正相关。
2.数据取对数处理Genr LY=LOG(Y)Genr LX1=LOG(X1)Genr LX2=LOG(X2)三、模型OLS参数估计与统计检验LS LY C LX1 LX2得到模型OLS参数估计和统计检验结果：Dependent Variable: LYMethod: Least SquaresSample: 1 31LX1Adjusted R-squared . dependent var. of regression Akaike infocriterionSum squared resid Schwarz criterionLog likelihood F-statistic【注意：在学术文献中一般以这种形式给出回归方程的输出结果，而不是把上面的软件输出结果直接粘贴到文章中】可决系数，调整可决系数，显示模型拟合程度较高;同时,F 检验统计量，在5%的显着性水平下通过方程总体显着性检验。
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。
实验四-异方差性的检验与处理
实验四-异方差性的检验与处理实验四 异方差性的检验及处理（2学时）一、实验目的（1）、掌握异方差检验的基本方法； （2）、掌握异方差的处理方法。
二、实验学时：2学时三、实验要求（1）掌握用MATLAB 软件实现异方差的检验和处理； （2）掌握异方差的检验和处理的基本步骤。
四、实验原理1、异方差检验的常用方法(1) 用X-Y 的散点图进行判断(2). 22ˆ(,)(,)e x e y %%或的图形 ,),x )i i y %%i i （(e 或(e 的图形）(3) 等级相关系数法（又称Spearman 检验）是一种应用较广的方法，既可以用于大样本，也可与小样本。
:i u 0原假设H 是等方差的；:i u 0备择假设H 是异方差；检验的三个步骤① ˆt ty y =-%i e②|i x %%i i 将e 取绝对值，并把|e 和按递增或递减次序排序，计算Spearman 系数rs ,其中：21ni i d =∑s 26r =1-n(n -1)|i x %i i 其中， n 为样本容量d 为|e和的等级的差数。
③ 做等级相关系数的显著性检验。
n>8时，22(2)1s sn t t n r-=--0当H 成立时，/2(2),t t n α≤-若认为异方差性问题不存在；/2(2),t t n α>-反之，若||i i e x %说明与之间存在系统关系，异方差问题存在。
(4) 帕克(Park)检验帕克检验常用的函数形式：若α在统计上是显著的，表明存在异方差性。
2、异方差性的处理方法: 加权最小二乘法 如果在检验过程中已经知道：222()()()i i i ji u Var u E u f x σσ===则将原模型变形为：121()()()()()i i p pi iji ji ji ji ji y x x u f x f x f x f x f x βββ=+⋅++⋅+L 在该模型中：2211()()()()()()i i ji u u ji ji ji Var u Var u f x f x f x f x σσ===即满足同方差性。
异方差性实验报告
(5)若是模型存在异方差，假设异方差的形式是?2i??2Xi4(?2为常数），试用模型变换法对模型进行修正（并证明通过变换的模型已排除异方差），并估量参数。
表5Dependent Variable: Y Method: Least Squares Date: 05/20/11Time: 23:31 Sample: 1 20Included observations: 20 Variable C Weighted Statistics R-squaredAdjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat R-squaredAdjusted R-squared S.E. of regression Durbin-Watson statCoefficient 374.8934Std. Error 211.4532t-Statistic 1.772938Prob.0.09320.982130 Mean dependent var 4569.310 0.981137 S.D. dependent var 167.7966 Akaike info criterion 506802.4 Schwarz criterion -129.7802 F-statistic 1.702498 Prob(F-statistic)1221.737 13.17802 13.27759 353.2031 0.0000001625.275 877170.30.982523Meandependentvar5199.5150.981552S.D.dependentvar220.7525Sum
计量经济学实验报告5
经济与政法学院 计量经济学实验报告班级：国贸 1312 班姓名：纪方方学号：2013104208经济与政法学院实验课程 实验名称计量经济学 异方差性检验与修订实验目的和内容1．利用 SPSS 计算 OLS 估计量 2．对模型估计结果进行检验。
（举例如上）实验步骤1． 构建 X 年全国 31 个省份的税收函数模型， 被解释变量为人均消费支出 y， 解释变量为 从事农业经营的纯收入，其它来源纯收入等。
2． 将数据导入 SPSS 中 3． 求解参数估计值。
4． 根据模型估计结果检验估计效果和拟合图形。
实验成果（系统化研究结果的说明和研究过程介绍，纸张不够可以加页）一、研究目的和意义 中国农村居民人均消费支出主要由人均纯收入来决定。
农村人均纯收入纯收入除从 事农业经营收入外，还包括从事其他产业的经营性收入以及工资性收入、财政收入和转 移支付收入等。
在改革开放的早期，农村居民从事农业经营的收入占到了其纯收入的一 个不小的部分，但其他来源收入可能会在不同的地区差异较大。
为了考察从事农业经营 的收入和其他收入对中国农村居民消费支出增长的影响，可使用如下双对数模型：ln Y 0 1 ln X1 2 ln X 2 其中，Y 表示农村家庭人均消费支出，X1 表示从事农业经营的纯收入，X2 表示其他来源 的纯收入。
2经济与政法学院地区人均消费支出 Y从事农业经营的纯 收入 X1其他来源纯收入 X2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 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西3552.1 2050.9 1429.8 1221.60 1554.60 1786.30 1661.70 1604.50 4753.20 2374.70 3479.20 1412.40 2503.10 1720.00 1905.00 1375.60 1649.20 1990.30 2703.36 1550.62 1357.43 1475.16 1497.52 1098.39 1336.25 1123.71 1331.03579.10 1314.60 928.80 609.80 1492.80 1254.30 1634.60 1684.10 652.50 1177.60 985.80 1013.10 1053.00 1027.80 1293.00 1083.80 1352.00 908.20 1242.90 1068.80 1386.70 883.20 919.30 764.00 889.40 589.60 614.804446.40 2633.10 1674.80 1346.20 480.50 1303.60 547.60 596.20 5218.40 2607.20 3596.60 1006.90 2327.70 1203.80 1511.60 1014.10 1000.10 1391.30 2526.90 875.60 839.80 1088.00 1067.70 647.80 644.30 814.40 876.003经济与政法学院甘肃 青海 宁夏 新疆1127.37 1330.45 1388.79 1350.23621.60 803.80 859.60 1300.10887.00 753.50 963.40 410.30二、估计参数 假定所建模型及随机扰动项 u i 满足古典假定，可以用 OLS 法估计其参数。
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
经典单方程计量经济学模型(异方差性)
80%
适用范围
对数变换法适用于存在异方差性 的模型，尤其适用于解释变量和 被解释变量之间存在非线性关系 的情况。
04
异方差性与模型选择
异方差性与模型适用性
异方差性是指模型中误差项的 方差不为常数，而是随解释变 量的变化而变化。
在异方差性存在的情况下，经 典的单方程计量经济学模型可 能不再适用，因为模型假设误 差项的方差是恒定的。
为了使模型具有适用性，需要 选择能够处理异方差性的模型 ，例如广义最小二乘法、加权 最小二乘法等。
异方差性与模型预测能力
异方差性的存在会影响模型的预测能力，因为异方差性会导致模 型的残差不再独立同分布，从而影响模型的预测精度。
为了提高模型的预测能力，需要采取措施处理异方差性，例如使 用稳健的标准误、对误差项进行变换等。
在实践中，应该充分考虑异方差性的影响，采取适当 的措施进行修正，以提高模型的预测和推断能力。
02
异方差性的检验
图示检验法
残差图检验
通过绘制残差与拟合值的图形，观察残差的分布情况，判断是否 存在异方差性。如果残差随着拟合值的增加或减少而呈现有规律 的变化，则可能存在异方差性。
杠杆值图检验
将数据按照杠杆值（leverage）进行排序，并绘制杠杆值与残差的 图形。如果图形显示高杠杆值对应的点有异常的残差分布，则可能 存在异方差性。
经典单方程计量经济学模型(异 方差性)
目
CONTENCT
录
• 异方差性简介 • 异方差性的检验 • 异方差性的处理方法 • 异方差性与模型选择 • 经典单方程计量经济学模型中的异
方差性
01
异方差性简介
定义与特性
异方差性是指模型残差的方差不为常数，随着解释 变量的变化而变化。
计量经济学原理 第六章异方差性
项具有同方差性。
异方差性修正后的回归分析
加权最小二乘法（WLS）：通过构造一个权重矩阵来修正异方差性，使得修正后的估计量具有更小的 方差和更高的有效性。
异方差稳健标准误（Heteroskedasticity-Robust Standard Errors）：通过调整标准误的计算方式来 修正异方差性对假设检验的影响，这种方法不需要对模型进行任何修改。
相关性。
影响
异方差性主要影响估计量的效 率，而自相关性则会导致估计
量的偏误和不一致性。
检验方法
异方差性通常通过残差图、 White检验等方法进行检验， 而自相关性则可以通过DW检 验、LM检验等方法进行检验
。
异方差性与多重共线性
概念差异
异方差性关注误差项的方差变化 ，而多重共线性则是指解释变量 之间存在高度线性相关关系。
异方差性的定义和类型
异方差性是指误差项的方差随自变量的变化 而变化，包括条件异方差性和无条件异方差 性。
异方差性的检验方法
介绍了图示检验法、Goldfeld-Quandt检验、 White检验等方法，用于判断模型是否存在异方差 性。
异方差性的处理方法
针对异方差性问题，可以采用加权最小二乘 法、广义最小二乘法等方法进行修正，使模 型满足同方差性假设。
04
异方差性在回归分析中的应用
异方差性对回归结果的影响
估计量无偏性
01
在异方差性存在的情况下，普通最小二乘法（OLS）估计量仍
然是无偏的，即估计量的期望值等于真实值。
估计量有效性
02
异方差性会导致OLS估计量的方差增大，从而使得估计量的有
效性降低。
假设检验失效
03
异方差性会使得t检验和F检验失效，因为这些检验都假设误差
计量经济学上机实验报告(异方差性)参考模板
Probability
0.213725
Obs*R-squared
3.235218
Probability
0.198372
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date:11/25/13Time: 09:02
0.023534
32.25228
0.0000
R-squared
0.991422
Mean dependent var
1976.724
Adjusted R-squared
0.990469
S.D. dependent var
587.0207
S.E. of regression
57.30893
Akaike info criterion
《计量经济学》上机实验报告三
题目：检验异方差性
实验日期和时间：
班级：
学号：
姓名
实验室：
实验环境：Windows XP ; EViews 3.1
实验目的：
掌握异方差性的检验及处理方法
实验内容：
建立并检验四川省农村人均纯收入（X）与人均生活费支出（Y）的函数模型
实验步骤：
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
S.E. of regression
66.34631
Akaike info criterion
11.28999
Sum squared resid
127653.1
Schwarz criterion
异方差性实验报告doc
异方差性实验报告篇一：计量经济学上机实验报告(异方差性)提示：打包保存时自己的文件夹以“学号姓名”为文件夹名，打包时文件夹内容包括：本实验报告、EViews工作文件。
篇二：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（SCATX 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： Y?187.507?0.032*X ----------（*） ?(0.17)(2.88) R2=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。
计量经济学实验三
实验三异方差的检验与修正实验目的1、理解异方差的含义、后果2、学会异方差的检验与加权最小二乘法实验内容一、准备工作。
建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤与方法同前），得到残差序列。
表2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。
表2 我国制造工业1998年销售利润与销售收入情况二、异方差的检验1、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3-1)：SCAT X Y图3-1 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3-2 我国制造业销售利润回归模型残差分布图3-2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。
2、Goldfeld-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3-3），其残差平方和为2579.587。
SMPL 1 10LS Y C X图3-3 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3-4），其残差平方和为63769.67。
SMPL 19 28 LS Y C X图3-4 样本2回归结果⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS 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 3、White 检验(1)建立回归模型：LS Y C X ，回归结果如图3-5。
- 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)。
《计量经济学》上机实验报告三题目：检验异方差性实验日期和时间：班级：学号：姓名实验室：实验环境： Windows XP ; EViews 3.1 实验目的：掌握异方差性的检验及处理方法实验内容：建立并检验四川省农村人均纯收入（X ）与人均生活费支出（Y ）的函数模型实验步骤：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 Y0100020003000400010002000300040005000X Y从图中可以看出，随着农村人均纯收入的增加，人均消费支出不断提高，但是离散程度不大，这不能说明变量之间可能存在递增的异方差性，需要进行别的检验方法。
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）。
-100010020001000200030004000808590950005ResidualActualFitted上图显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。
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1978到1988共11个样本合1998到2008共11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1285.598。
SMPL 1978 1988 LS Y C XDependent Variable: Y Method: Least Squares Date: 11/25/13 Time: 08:53 Sample: 1978 1988 Included observations: 11Variable Coefficient Std. Error t-Statistic Prob. C -19.66534 11.22945 -1.751229 0.1138 X0.9699700.03946624.577610.0000 R-squared0.985320 Mean dependent var 241.7309 Adjusted R-squared 0.983688 S.D. dependent var 93.57987 S.E. of regression 11.95175 Akaike info criterion 7.962598 Sum squared resid1285.598 Schwarz criterion8.034942Durbin-Watson stat0.823583 Prob(F-statistic)0.000000⑶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29558.82。
SMPL 1998 2008 LS Y C XDependent Variable: Y Method: Least Squares Date: 11/25/13 Time: 08:55 Sample: 1998 2008 Included observations: 11Variable Coefficient Std. Error t-Statistic Prob. C 54.52400 62.05321 0.878665 0.4024 X0.7590360.02353432.252280.0000 R-squared0.991422 Mean dependent var 1976.724 Adjusted R-squared 0.990469 S.D. dependent var 587.0207 S.E. of regression 57.30893 Akaike info criterion 11.09776 Sum squared resid 29558.82 Schwarz criterion 11.17010 Log likelihood -59.03766 F-statistic 1040.209 Durbin-Watson stat1.124021 Prob(F-statistic)0.000000⑷计算F 统计量：12/RSS RSS F =＝29558.82/1285.598=22.992，21RSS 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F 0.05(11-1-1,11-1-1)=3.18，而F=22.992> F 0.05(11-1-1,11-1-1)=3.18，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Dependent Variable: Y Method: Least Squares Date: 11/25/13 Time: 08:50 Sample: 1978 2008 Included observations: 31Variable Coefficient Std. Error t-Statistic Prob. C 71.61407 18.15759 3.944029 0.0005 X0.7614450.01088169.982270.0000 R-squared0.994113 Mean dependent var 1030.406 Adjusted R-squared 0.993911 S.D. dependent var 850.2099 S.E. of regression 66.34631 Akaike info criterion 11.28999 Sum squared resid127653.1 Schwarz criterion11.38251Durbin-Watson stat0.401829 Prob(F-statistic)0.000000⑵在方程窗口上点击View\Residual Tests\ Heteroskedastcity Tests ,在弹出的对话框中选择White,并点击OK,检验结果如图White Heteroskedasticity Test: F-statistic 1.631313 Probability 0.213725 Obs*R-squared3.235218 Probability0.198372Test Equation:Dependent Variable: RESID^2 Method: Least Squares Date: 11/25/13 Time: 09:02 Sample: 1978 2008 Included observations: 31Variable Coefficient Std. Error t-Statistic Prob. C 730.6322 2245.271 0.325409 0.7473 X 6.009329 3.349188 1.794264 0.0836 X^2-0.0015010.000910-1.6483110.1105 R-squared0.104362 Mean dependent var 4117.843 Adjusted R-squared 0.040388 S.D. dependent var 6279.224 S.E. of regression 6151.116 Akaike info criterion 20.37842 Sum squared resid 1.06E+09 Schwarz criterion 20.51719 Log likelihood -312.8655 F-statistic 1.631313 Durbin-Watson stat0.883445 Prob(F-statistic)0.213725其中F 值为辅助回归模型的F 统计量值。
取显著水平05.0=α，由于χ0.05(2)=5.99>3.235218,所以不存在异方差性。
实际应用中可以直接观察相伴概率p 值的大小，若p 值较小，则认为存在异方差性。
反之，则认为不存在异方差性。
⒋Park 检验⑴建立回归模型（结果同图5所示）。
⑵生成新变量序列：GENR LNE2=log(RESID^2)GENR LNX=log(X)⑶建立新残差序列对解释变量的回归模型：LS LNE2 C LNX ，回归结果如图7所示。
Dependent Variable: LNE2Method: Least SquaresDate: 11/25/13 Time: 09:05Sample: 1978 2008Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 4.941251 1.810077 2.729856 0.0107LNX 0.368868 0.267747 1.377673 0.1788R-squared 0.061427 Mean dependent var 7.406587Adjusted R-squared 0.029063 S.D. dependent var 1.538091S.E. of regression 1.515576 Akaike info criterion 3.731808Sum squared resid 66.61211 Schwarz criterion 3.824324Log likelihood -55.84303 F-statistic 1.897982Durbin-Watson stat 0.853362 Prob(F-statistic) 0.178844从图7所示的回归结果中可以看出，LNX的系数估计值不为0且不能通过显著性检验，即随即误差项的方差与解释变量不存在较强的相关关系，即认为不存在异方差性。
⒌Gleiser检验（Gleiser检验与Park检验原理相同）提示：打包保存时自己的文件夹以“学号姓名”为文件夹名，打包时文件夹内容包括：本实验报告、EViews工作文件。