EViews计量经济学实验报告-异方差的诊断及修正

合集下载
  1. 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. 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. 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)。

时间 地点 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

1、双击“Eviews ”,进入主页。输入数据:点击主菜单中的File/Open /EV Workfile —Excel —异方差数据 ;

2、在EV 主页界面的窗口,输入“ls y c x ”,按“Enter ”。出现OLS 回归结果,如图2:

估计样本回归函数

Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28

Included observations: 28

Variable

Coefficie

nt Std. Error t-Statistic Prob.

C X

R-squared

Mean dependent

var

Adjusted R-squared . dependent var . of regression Akaike info criterion

Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat

Prob(F-statistic )

估计结果为: i

Y ˆ = + i X () t=() ()

2R = 2R = .= DW=1.212859 F=

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著性影响。F= > )6,21(F 05.0= ,表明方程整体显著。

(三) 检验模型的异方差

※(一)图形法

1、在“Workfile ”页面:选中x,y 序列,点击鼠标右键,点击Open —as Group —Yes

2、在“Group ”页面:点击View -Graph —Scatter —Simple Scatter, 得到X,Y 的散点图(图3所示):

3、在“Workfile ”页面:点击Generate ,输入“e2=resid^2”—OK

4、选中x,e2序列,点击鼠标右键,Open —as Group —Yes

5、在“Group ”页面:点击View -Graph —Scatter —Simple Scatter, 得到X,e2的散点图(图4所示):

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

1、 在“Equation ”页面:点击View -Residual Tests —White 检验(no cross ),(本例

为一元函数,没有交叉乘积项)得到检验结果,如图5:

White 检验结果

White Heteroskedasticity Test:

F-statistic Probability Obs*R-squared

Probability

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 10/19/05 Time: 15:29 Sample: 1 28

Included observations: 28

Variable

Coefficie

nt

Std. Error t-Statistic Prob.

C X X^2

R-squared

Mean dependent var

Adjusted R-squared . dependent var . of regression Akaike info criterion

Sum squared resid +08 Schwarz criterion

Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic )

2、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

.002

χ(2)=。比较计算的2

χ统计量与临界值,因为n 2R = > 5.002

χ(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 。

1、在“Workfile ”页面:点击“Generate ”,输入“w1=1/x ”—OK ;同样的输入“w2=1/x^2”

“w3=1/sqr(x)”;

2、在“Equation ”页面:点击“Estimate Equation ”,输入“y c x ”,点击“weighted ”,输入“w1”,出现如图6:

用权数t 1ω的结果

Dependent Variable: Y Method: Least Squares Date: 10/22/10 Time: 00:13 Sample: 1 28

Included observations: 28 Weighting series: W1

Variable

Coefficie

nt

Std. Error t-Statistic Prob.

相关文档
最新文档