eviews异方差的检验

eviews异方差检验步骤

eviews异方差检验步骤Eviews是一款常用的经济学软件，它允许用户进行多种统计分析，其中包括异方差检验。

异方差是指随着自变量的变化，因变量的方差也会发生变化。

在实际分析中，如果忽略了异方差，则会导致统计结果不准确。

因此，在使用Eviews进行分析时，进行异方差检验十分重要。

以下是Eviews进行异方差检验的步骤：1. 打开Eviews软件，并导入所需的数据。

在“工作文件”菜单下选择“打开文件”，找到所需的数据文件并打开。

2. 选择变量。

单击“变量”菜单，并选择要检验的因变量和自变量。

如果有多个自变量，在本例中就需要选择多个自变量。

3. 进行回归分析。

单击“Quick”菜单下的“Estimate Equation”选项，进行回归分析。

在回归分析中，需要输入因变量和自变量，并进行模型估计。

4. 异方差检验。

在回归分析完成后，单击“View”菜单下的“Residual Diagnostics”选项，进入错误项诊断。

5. 在错误项诊断中选择异方差检验。

在错误项诊断面板中，选择“Heteroskedasticity Tests”选项，并选择所需的异方差检验类型。

在Eviews中，通常可以使用Breusch-Pagan/Godfrey测试或White 测试来检验异方差。

6. 查看结果。

完成异方差检验后，Eviews会返回检验结果。

如果结果显示存在异方差，则需要进行调整，以消除异方差的影响。

总之，在使用Eviews进行经济学分析时，进行异方差检验至关重要，可以保证模型分析的准确性和可靠性。

上述步骤简单易懂，只要按照步骤操作，就可以轻松地完成异方差检验。

eviews-异方差性

eviews-异⽅差性3.8（1）根据Y 、X 的相关图分析异⽅差性由上图可知y 与x 的线性相关性差异不是很⼤，基本处在⼀条线性⽅程上（2）利⽤WHITE 检验、帕克检验，和Gleiser 检验进⾏异⽅差检验Ⅰ、White 检验取显著性⽔平05.0=α，由于413667.8n 2=R ＞841.3)1(205.0=χ，所以理利润函数存在异⽅差性。

Ⅱ、Park 检验根据Park 检验，得到：i i x e ln 8393.16927.7ln 2+-=S 2.2720 0.5713 T -3.3858 3.21953654.02=R 3301.02=R 365.10=F 0047.0=P Ⅲ、Gleiser 检验：利⽤genr 命令⼀次⽣成XX 1,等序列，再建⽴i e 与这些序列的回归⽅程①X e i 0049.05579.1-=White Heteroskedasticity Test: F-statistic 6.1724 Probability 0.0096 Obs*R-squared8.4136Probability0.0148=2R 0.0613 =F 1.1759 =P 0.2924②X e i 0848.08897.1-==2R 0.0639 =F 1.2307 =P 0.2818③Xe i 1970.158811.0+= =2R 0.0683 =F 1.3197 =P 0.2656根据统计检验，得到统计检验最为显著的是：Xe i 1970.158811.0+= =2R 0.0683 =F 1.3197 =P 0.2656;上述四个⽅程表明，利润函数存在着异⽅差（只要取显著性⽔平012.0＞α）（3）取权数 e 1w 3= 24e1w =利⽤加权最⼩⼆乘法估计模型：依次键⼊命令：4,3,2,1i )(i ==X C Y W W LS或在⽅程窗⼝中点击Estimate\Options 按钮，并在权数变量栏依次输⼊4321W W W W 、、、，可以得到⼀下估计结果：③ X Y 0387.07076.0?+= e 1w 3=S 0.2082 0.0053 T 3.3978 7.2001=2R 0.7422 =2n R 5.0534 =P 0.000001 ④ X Y0429.05918.0?+= 24e 1w = S 0.1283 0.004 T 4.61144 10.49056=2R 0.8594 =2n R 18.0642 =P 0模型④最优，所以利⽤WLS ⽅法估计的利润函数为 X Y 0429.05918.0?+= 2e 1w = S 0.1283 0.004 T 4.6114 10.49=2R 0.8594 =2n R 18.064 =P 03.9设根据某年全国各地区的统计资料建⽴城乡居民储蓄函数i i i bX a S ε++=时（其中，S 为城乡居民储蓄存款余额、X 为⼈均收⼊），如果经检验得知：228.1i i X e =：（1）说明该检验结果的经济含义;（2）写出利⽤加权最⼩⼆乘法估计储蓄函数的具体步骤；（3）写出使⽤Ewiews 软件估计模型时的有关命令。

演示文稿1 异方差的Eviews操作

Log likelihood
12.47256
Durbin-Watson stat
1.964715
Std. Error t-Statistic
0.860976 0.103769 0.048599
1.861356 3.135885 10.43388
Mean dependent var
S.D. dependent var
④输入：Scat X e2
亦可合并输入： Scat X resid^2
2. 帕克(Park)检验与戈里瑟(Gleiser)检验
基本思想: 尝试建立方程：
e~i2 f (X ji ) i 或
| e~i | f ( X ji ) i
选择关于变量X的不同的函数形式，对方程进行估计并进行显著性检验，如果存在某一种函数形式，使得方程显著成立，则说明原模型存在异方差性。
异方差的Eviews操作
计量经济学 2009-11
几种异方差的检验方法： 1. 图示法（1）用X-Y的散点图进行判断
看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）
【 Eviews操作】输入：Scat X Y
(2)X- e~i2 的散点图进行判断
看是否形成一斜率为零的直线。
2
e2i
(n c k 1)
F
2
2
e1i
(n c k 1)
2
F( n c k 1, n c k 1)
2
2
⑤给定显著性水平，确定临界值F(v1,v2)，
若F> F(v1,v2)，则拒绝同方差性假设，表明存在异方差。
当然，还可根据两个残差平方和对应的子样的顺序判断是递增型异方差还是递减异型方差。

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。

第四章异方差检验的eviews操作

第四章异方差性例4.1.4一、参数估计进入Eviews软件包，确定时间范围，编辑输入数据；选择估计方程菜单：(1)在Workfile对话框中，由路径：Quick/Estimate Equation，进入Equation Specification对话框，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果；(2)直接在命令栏里输入“ls log(y) c log(x1) log(x2)”，按Enter,得到样本回归估计结果；(3)在Group的当前窗口，由路径：Procs/Make Equation，进入Equation Specification窗口，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果。

如表4.1：表4.1图4.1估计结果为：(3.14) (1.38) (9.25)R2=0.7798 D.W.=1.78 F=49.60 RSS=0.8357括号内为t统计量值。

二、检验模型的异方差（一）图形法（1）生成残差平方序列。

①在Workfile的对话框中，由路径：Procs/Generate Series，进入Generate Series by Equation对话框，键入“e2=resid^2”，生成残差平方项序列e2；②直接在命令栏里输入“genr e2=resid^2”，按Enter,得到残差平方项序列e2。

（2）绘制散点图。

①直接在命令框里输入“scat log(x2) e2”，按Enter，可得散点图4.2。

②选择变量名log(x2)与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），再按路径view/graph/scatter/simple scatter，可得散点图4.2。

③由路径quick/graph进入series list窗口，输入“log(x2) e2”，确认并ok，再在弹出的graph窗口把line graph换成scatter diagram，再点ok，可得散点图4.2。

eviews的异方差检验

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异方差检验步骤

eviews异方差检验步骤Eviews异方差检验步骤异方差是指随着自变量的变化，因变量的方差也会发生变化。

在回归分析中，如果存在异方差，会导致回归系数的估计值不准确，从而影响模型的可靠性。

因此，进行异方差检验是非常重要的。

Eviews是一款常用的统计软件，它提供了多种方法来检验异方差。

下面我们将介绍Eviews中进行异方差检验的步骤。

步骤一：建立回归模型我们需要建立一个回归模型。

在Eviews中，可以通过“Quick”菜单中的“Estimate Equation”来建立回归模型。

在弹出的对话框中，选择因变量和自变量，并设置其他参数，如拟合方法、截距项等。

步骤二：检验异方差建立好回归模型后，我们需要进行异方差检验。

在Eviews中，可以通过“View”菜单中的“Residual Diagnostics”来进行检验。

在弹出的对话框中，选择“Heteroskedasticity Tests”选项卡，然后选择需要进行的异方差检验方法。

Eviews提供了多种异方差检验方法，包括Breusch-Pagan-Godfrey 检验、White检验、Goldfeld-Quandt检验等。

这些方法的原理和适用条件不同，需要根据具体情况选择合适的方法。

步骤三：解释检验结果进行异方差检验后，Eviews会输出检验结果。

通常包括检验统计量、p值等信息。

如果p值小于显著性水平（通常为0.05），则可以拒绝原假设，认为存在异方差。

如果检验结果显示存在异方差，我们需要对模型进行修正。

常用的方法包括使用异方差稳健标准误、进行加权最小二乘回归等。

总结Eviews提供了多种方法来检验异方差，包括Breusch-Pagan-Godfrey 检验、White检验、Goldfeld-Quandt检验等。

进行异方差检验后，需要根据检验结果对模型进行修正，以提高模型的可靠性。

EViews计量经济学实验报告异方差的诊断及修正

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。

估计结果为： iY ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650）（12.36670）2R =0.854696 R =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White 检验结果White Heteroskedasticity Test:F-statistic3.607218 Probability 0.042036 Obs*R-squared6.270612 Probability0.043486Test Equation:t 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。

第四章异方差检验的eviews操作

第四章异方差性例一、参数估计进入Eviews软件包，确定时间范围，编辑输入数据；选择估计方程菜单：(1)在Workfile对话框中，由路径：Quick/Estimate Equation，进入Equation Specification对话框，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果；(2)直接在命令栏里输入“ls log(y) c log(x1) log(x2)”，按Enter,得到样本回归估计结果；(3)在Group的当前窗口，由路径：Procs/Make Equation，进入Equation Specification窗口，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果。

如表：表图估计结果为：R2= .= F= RSS=括号内为t统计量值。

二、检验模型的异方差（一）图形法（1）生成残差平方序列。

①在Workfile的对话框中，由路径：Procs/Generate Series，进入Generate Series by Equation对话框，键入“e2=resid^2”，生成残差平方项序列e2；②直接在命令栏里输入“genr e2=resid^2”，按Enter,得到残差平方项序列e2。

（2）绘制散点图。

①直接在命令框里输入“scat log(x2) e2”，按Enter，可得散点图。

②选择变量名log(x2)与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），再按路径view/graph/scatter/simple scatter ，可得散点图。

③由路径quick/graph进入series list窗口，输入“log(x2) e2”，确认并ok，再在弹出的graph窗口把line graph换成scatter diagram，再点ok，可得散点图。

图由图可以看出，残差平方项e2对解释变量log(X2)的散点图主要分布图形中的下三角部分，大致看出残差平方项e2随log(X2)的变动呈增大的趋势，因此，模型很可能存在异方差。

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

异方差性检验计量经济学 EVIEWS建模课件

例如对于如下二元模型：
Yi 0 1 X 1i 2 X 2i i
可做如下辅助回归方程：
es2i
0
1X1
2 X 2
3
X
2 1
4
X
2 2
5X1X2
i
第三步：可以证明，在同方差假设下：
其中：R 2为辅助回归方程的可决系数，h为辅助回
归式解释变量的个数，
第四步：判别。 nR2 2 h接受同方差假设 nR2 2 h拒绝同方差假设
WiYi=0Wi+1WiX1i+…+KWiXki+Wiui 这样在新模型中，就有：
Var(Wiui)=Wi2Var(ui)=f(Xij)-1f(Xij)2= 2
由上述的推导可见，WLS较OLS更具普遍意义，
即OLS是权数都为1的WLS。因此WLS也可以称为广
义最小二乘法GLS(generalized least squares)。
趋势(即不在一个固定的带型域中)
⒉ X-esi2的散点图进行判断看是否形成一斜率为零的直线
esi2
esi2
esi2
esi2
X
同方差
X
递增异方差
X
递减异方差
X
复杂型异方差
㈡斯皮尔曼等级相关系数检验
⒈ 用OLS估计回归模型，取得误差ei。 ⒉取ei的绝对值，将可能引起异方差的解释变量Xij 和 |ei| 按升序(或降序) 划分等级 (用自然数表示)。 ⒊将Xij 和 |ei| 的等级序列组，以X为主排序，两序列的原有关系要保持。
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

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）费用支出丫与销售收入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）检验来检验丫关于X的回归模型是否存在异方差性？若存在异方差性，请尝试消除它。

【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与研究开发费用丫的散点相关图（SCAT X 丫）。

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。

0 50,000 100,000 150,000 200.000 250,000(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 丫 C X )。

Dependentvariable: Y Method: Least Squares Date: 12/06/11 Time ： 23:08 Sample: 1 17Included obseivations: 17VariableCo EfficientStd. Errort-StallStic Prob C 187.5068 1106.681 0.169432 0.8677 X0.031993 0.0111112 8793580.0115 R-squared0.355966 Mean dependent var 2676.188 Adjusted R-squared 0.313031 S.D. dependent var3438.207 S.E. of regression 2849711 Aka ike Info criterion 13.85795 Sum squared resid 1 22E+O0 Schwarz criterion 18.95698 Log likelihood -158.2926 Hannan-Quinn criter. 18.86770 F-statistic8.290703 Durbin-Watson stat2.738533Prob(F-statistic)0.011464因此，模型估计式为：丫 =187.507 0.032* X ------- (*)2 (0.17)(2.88)R 2=0.31s.e.=2850F=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。

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。

第四章异方差检验的eviews操作

第四章异方差性例4.1.4一、参数估计进入Eviews软件包，确定时间范围，编辑输入数据；选择估计方程菜单：(1)在Workfile对话框中，由路径：Quick/Estimate Equation，进入Equation Specification对话框，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果；(2)直接在命令栏里输入“ls log(y) c log(x1) log(x2)”，按Enter,得到样本回归估计结果；(3)在Group的当前窗口，由路径：Procs/Make Equation，进入Equation Specification窗口，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果。

如表4.1：表4.1图4.1估计结果为：LnŶ=3.266+0.1502LnX1+0.4775LnX2(3.14) (1.38) (9.25)R2=0.7798 D.W.=1.78 F=49.60 RSS=0.8357括号内为t统计量值。

二、检验模型的异方差（一）图形法（1）生成残差平方序列。

①在Workfile的对话框中，由路径：Procs/Generate Series，进入Generate Series by Equation对话框，键入“e2=resid^2”，生成残差平方项序列e2；②直接在命令栏里输入“genr e2=resid^2”，按Enter,得到残差平方项序列e2。

（2）绘制散点图。

①直接在命令框里输入“scat log(x2) e2”，按Enter，可得散点图4.2。

②选择变量名log(x2)与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），再按路径view/graph/scatter/simple scatter，可得散点图4.2。

③由路径quick/graph进入series list窗口，输入“log(x2) e2”，确认并ok，再在弹出的graph窗口把line graph换成scatter diagram，再点ok，可得散点图4.2。

eviews的相关计量经济学操作

Eviews 运用于计量经济学的三个举证一、异方差检验：首先做出相应的ls模型，White检验：在HeteroskedasticityTest：White中检验p值，如果p.f值小于0.05则表示有异方差，反之没有异方差。

G—Q检验20对数据中在上方输入*排序*选出1~7*做回归得出Sum squared resid同样再输入smpl 14 20/ls y c x得出第二个rss用rss(1)/rss(2)做f检验其他检验方式中用genr 定义变量进行回归分析确定最大的r2等值来确定其异方差形式?修正方法加权最小2定义e1为相应的resid (e)在ls规划时将opion中的weight设为abs(e1)进行来说规划即可这时会去掉其异方差性二、多重共线性对数据建模ls分析数据看哪个每个解释变量的f值，检验其是否有多重共线性求其相关系数矩阵“Quick\Group Statistics\Correlations”得出后和0.8 比较，如果大于0.8 说明两者之间有激情。

修正方法：逐步回归先对每一个进行ls分析建模然后取出对y影响最大的做为基础然后更具其相关系数大小排序，用做出先关的检验，选择加入的元素如上图就是加入了x3三、序列相关性同样的ls对其d.w做出分析，如果接近2 则没有一次相关，若出了范围则有相应的相关性其他次的相关性可以由lm检验得到(小于0.05即有序列相关性)。

自相关的检验还有view/residual/con-----Q----做出如图所示的表修正方法杜宾两步法：进行如下的ls估计可得：将p 的值带入查分模型如下输入：结果如下：d.w含糊可以用lm检验其是否任然具有相关性。

用b(贝塔)0/（1-p）p=之前的0.6278或者是第一次的1-d.w/2最小二乘法输入如下结果如下Lm检验：可用。

差分法直接输入：同样也可知取出了其序列相关性----made by M.J.。

异方差检验的eviews操作

第四章异方差性例4。

1。

4一、参数估计进入Eviews软件包，确定时间范围，编辑输入数据;选择估计方程菜单：（1)在Workfile对话框中，由路径：Quick/Estimate Equation，进入Equation Specification对话框，键入“log（y）c log(x1) log（x2)”，确认ok，得到样本回归估计结果；（2)直接在命令栏里输入“ls log（y) c log(x1）log（x2）"，按Enter，得到样本回归估计结果;(3）在Group的当前窗口，由路径：Procs/Make Equation,进入Equation Specification窗口，键入“log(y）c log（x1）log（x2)”,确认ok，得到样本回归估计结果。

如表4.1：表4.1图4.1估计结果为：(3。

14) (1。

38）（9。

25）R2=0.7798 D。

W.=1。

78 F=49.60 RSS=0.8357括号内为t统计量值。

二、检验模型的异方差（一)图形法（1）生成残差平方序列。

①在Workfile的对话框中,由路径：Procs/Generate Series，进入Generate Series by Equation对话框,键入“e2=resid^2”，生成残差平方项序列e2;②直接在命令栏里输入“genr e2=resid^2”，按Enter,得到残差平方项序列e2。

（2）绘制散点图。

①直接在命令框里输入“scat log（x2) e2"，按Enter，可得散点图4.2。

②选择变量名log(x2）与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），再按路径view/graph/scatter/simple scatter，可得散点图4。

2。

③由路径quick/graph进入series list窗口，输入“log（x2）e2”,确认并ok,再在弹出的graph窗口把line graph换成scatter diagram,再点ok，可得散点图4。

eviews异方差的检验

eviews异方差检验步骤

eviews-异方差性

演示文稿1 异方差的Eviews操作