EViews计量经济学实验报告异方差的诊断及修正

E V i e w s计量经济学实验报告异方差的诊断及

修正

IMB standardization office【IMB 5AB- IMBK 08- IMB 2C】

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）

（二）参数估计

DependentVariable:Y

Method:LeastSquares Date:10/19/05Time:15:27 Sample:128

Includedobservations:28

Variable Coefficient t-Statistic

Prob.

C

X

R-squared

Meandependentvar

AdjustedR-squared

估计结果为：i

Y ˆ=+i X （） t=（）（）

2R =2R =这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长元。

2R =,拟合程度较好。在给定 =时，t=>)26(025.0t =，拒绝原假设，说明销售收入对销售利润有显着性影响。F=>)6,21(F 05.0=,表明方程整体显着。 （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2

i 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

WhiteHeteroskedasticityTest:

F-statistic

Probability

Obs*R-squared

Probability

TestEquation:

DependentVariable:RESID^2 Method:LeastSquares Date:10/19/05Time:15:29 Sample:128

Includedobservations:28

Variable Coefficient t-Statistic

Prob.

C

X X^2

R-squared

Meandependentvar AdjustedR-squared

、因为本例为一元函数，没有交叉乘积项，则辅助函数为2t σ=0α+1αt x +2α2

t x +t ν 从上表可以看出，n 2R =，有White 检验知，在α=0,05下，查2χ分布表，得临界值

5.002χ（2）=。比较计算的2χ统计量与临界值，因为n 2R =>5.002χ（2）=，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。 （四）异方差的修正

在运用加权最小二乘法估计过程中，分别选用了权数t 1ω=1/t X ，t 2ω=1/2

t X ，

t 3ω=1/t X 。

用权数t 1ω的结果

DependentVariable:Y

Method:LeastSquares Date:10/22/10Time:00:13 Sample:128

Includedobservations:28 Weightingseries:W1

Variable Coefficient t-Statistic

Prob.

C

X

WeightedStatistics

R-squared

Meandependentvar

AdjustedR-squared

ω的结果

用权数

t2

DependentVariable:Y

Method:LeastSquares

Date:10/22/10Time:00:16

Sample:128

Includedobservations:28

Weightingseries:W2

Variable Coefficient t-Statistic Prob.

C

X

WeightedStatistics

R-squared Meandependentvar

AdjustedR-squared

：

ω的结果

用权数

t3

DependentVariable:Y

Method:LeastSquares

Date:10/22/10Time:00:17

Sample:128

Includedobservations:28

Weightingseries:W3

Variable Coefficient t-Statistic Prob.

C

X

WeightedStatistics

R-squared Meandependentvar