EViews计量经济学实验报告-异方差的诊断及修正
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 异方差检验
计量经济学实验报告【实验名称】异方差的检验和修正【实验目的】掌握用Eviews 检验模型中异方差问题的检验和补救方法，能够正确理解和分析Eviews的输出结果【实验内容】（1）试利用OLS法建立人均消费性支出与可支配收入的线性模型；（2）检验模型是否存在异方差性；（3）如果存在异方差性，试采用适当的方法估计模型参数。
【结果分析】1.建立模型打开Eviews软件，选中File\New\Workfile以创建一个工作文件，文件结构类型为undated。
在命令栏中输入“data X Y”，回车后得到一个未命名的组，向组中输入数据。
如下图。
设可支配收入为变量X（横坐标），消费性支出为变量Y（纵坐标），选中Quick\Graph，在出现的对话框中输入“X Y”，点击OK后在新出现的Graph对话框中，在Graph type中选择Categorical Graph下的scatter，点击OK，如下图所示：以X 为解释变量，Y 为被解释变量，建立一元线性回归方程：i 0i i Y =+*X ββ选中Object/New Objects ，在新建对象对话框中选中对象为Equation ，在出现的对话框中输入“y c x ”，进行回归分析，得到如下结果。
可以得出0β=725.3459 1β =0.664746 线性回归方程为：i Y =0β+1β *X=725.3459+0.664746*X（1.589047）（22.49622）2R=0.945802 F=506.0798由散点图可知，原模型很可能存在异方差性，为此，进一步的进行更精确的检验。
G-Q检验：升序排列去掉中间的7个样本，剩余24个样本，再分成两个样本容量为12的子样本，对两个子样本分别用OLS法作回归：键入命令Smpl 1 12Equation eq01.Is Y C XSmpl 20 31Equation eq02.Is Y C X完成对两个子样的回归；0β’=669.5344 1β’=0.677374i Y =0β’+ 1β’*X=669.5344+0.677374*X子样1： (0.281991) (3.490176)RSS1=1971249i Y =1179.053+0.644719*X子样2： (0.954140) (9.951062) RSS2=8403437计算F 统计量：F=197124984034371112/21-1-12/1=--）（）（RSS RSS =4.263 在5%的显著性水平下，自由度为（10,10）的F 分布的临界值为4.263，于是拒绝同方差的原假设，表明模型存在异方差。
计量经济学异方差性及修正异方差(非专业)
检验模型的异方差性及修正异方差实验目的：检验模型的异方差性及修正异方差 实验要求：知道如何检验模型，以及修正异方差。
试验用软件：Eviews3.1实验原理：解释变量相关系数检验和辅助回归检验等。
实验内容：1、 实验用样本数据：Y X Y X Y X 55 80 152 220 95 140 65 100 144 210 108 145 70 85 175 245 113 150 80 110 180 260 110 160 79 120 135 190 125 165 84 115 140 205 115 180 98 130 178 265 130 185 95 140 191 270 135 190 90 125 137 230 120 200 75 90 189 250 140 205 74 105 55 80 140 210 110 160 70 85 152 220 113 150 75 90 140 225 125 165 65 100 137 230 108 145 74 105 145 240 115 180 80 110 175 245 140 225 84 115 189 250 120 200 79 120 180 260 145 240 90 125 178 265 13018598130191270由表中给出消费Y 与收入X 的数据，试根据所给数据资料完成以下问题： （1）估计回归模型u X Y ++=21ββ中的未知参数1β和2β，并写出样本回归模型的书写格式；（2）试用white 方法法检验模型的异方差性； （3）选用合适的方法修正异方差。
2、实验步骤：1、参数估计，过程如下：（1）点击“File/New/Workfile”，屏幕上出现Workfile Range对话框，选择数据频率，在本例中应选择Undated or irregular，在Star里键入1，在End里键入60，点击OK完成，如图：（2）键入data y x后，再输入ls y c x；在出现的对话框里粘贴需要的数据。
异方差实验报告步骤(3篇)
第1篇一、实验目的1. 掌握异方差性的基本概念和检验方法。
2. 学会运用统计软件进行异方差的检验和修正。
3. 提高对计量经济学模型中异方差性处理能力的实践应用。
二、实验原理1. 异方差性：在回归分析中，若回归模型的误差项（残差）的方差随着自变量或因变量的取值而变化，则称模型存在异方差性。
2. 异方差性的检验方法：图形检验、统计检验（如F检验、Breusch-Pagan检验、White检验等）。
3. 异方差性的修正方法：加权最小二乘法（WLS）、广义最小二乘法（GLS）等。
三、实验步骤1. 数据准备1. 收集实验所需数据，确保数据质量和完整性。
2. 对数据进行初步处理，如剔除异常值、缺失值等。
2. 模型设定1. 根据研究问题，选择合适的回归模型。
2. 利用统计软件（如Eviews、Stata等）进行初步的回归分析。
3. 异方差性检验1. 图形检验：绘制散点图，观察残差与自变量或因变量的关系，初步判断是否存在异方差性。
2. 统计检验：- F检验：检验回归系数的显著性。
- Breusch-Pagan检验：检验残差平方和与自变量或因变量的关系。
- White检验：检验残差平方和与自变量或因变量的多项式关系。
4. 异方差性修正1. 若检验结果表明存在异方差性，则需对模型进行修正。
2. 选择合适的修正方法：- 加权最小二乘法（WLS）：根据残差平方与自变量或因变量的关系，计算权重，加权最小二乘法进行回归分析。
- 广义最小二乘法（GLS）：根据残差平方与自变量或因变量的关系，选择合适的方差结构，广义最小二乘法进行回归分析。
5. 结果分析1. 对修正后的模型进行回归分析，观察回归系数的显著性、拟合优度等指标。
2. 对实验结果进行分析，解释实验现象，验证研究假设。
6. 实验报告撰写1. 撰写实验报告，包括以下内容：- 实验目的- 实验原理- 实验步骤- 实验结果- 分析与讨论- 结论2. 实验报告应结构清晰、逻辑严谨、语言简洁。
EViews计量经济学实验报告-异方差的诊断及修正模板(word文档良心出品)
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Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob. C 12.03564 19.51779 0.616650 0.5428 X0.1043930.008441 12.366700.0000R-squared 0.854696 Mean dependent var 213.4650 Adjusted 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。
异方差试验报告
《计量经济学》上机实验报告四题目：异方差实验日期和时间：班级：学号：姓名：实验室：实验环境：Windows XP ; EViews 3.1实验目的：掌握异方差检验及修正方法，熟悉EViews软件的相关应用实验内容：利用实例数据和EViews软件，采用有关方法对建立的回归模型进行异方差的检验及处理。
第五章习题5.3实验步骤：一、建立工作文件⒈菜单方式⒉命令方式：CREATE A 起始期终止期二、输入数据三、检验异方差性⒈图示法排序sort X相关图：SCA T 变量名1 变量名2Ls y c x残差图：方程窗口点击RESID按钮⒉戈德菲尔德－匡特检验(C=n/4)①排序：sort X②取样本1 命令：Smpl 1 (n-n/4)/2③估计样本1：Ls y c x得到残差平方和RSS1即∑21i e③取样本1 命令：Smpl (n+n/4)/2 n④估计样本2：Ls y c x得到残差平方和RSS2即∑22i e⑤计算：F = RSS2/ RSS1若给定α，)2/)(,2/)((k c n k c n F F ---->α，表明存在异方差 3.怀特检验步骤：①取样：Smpl 1 n②估计回归模型（或非线性回归模型）计算残差序列：Ls y c x③怀特检验：在方程窗口中依次点击View\Residual Test\White Heteroskedastcity 得到nR 2，给定α，若nR 2>2αχ(q)，表明模型存在异方差性 4.帕克（Park ）检验 帕克检验的模型形式命令：①估计回归模型得到残差：ls y c x ②生成残差平方序列： genr E2=RESID^2 ③估计帕克检验模型 ： ls log(e2) c log(x)给定α，若F>αF (k-1,n-k)或F 统计值的伴随概率p 小于给定α，表明模型存在异方差性 5. 戈里瑟（Gleiser ）检验 戈里瑟检验的模型命令：①估计回归模型得到残差：ls y c x 或非线性模型估计 ②生成残差绝对数序列： genr E1=abs(RESID ） ③估计帕克检验模型 ：当h=1时 ls e1 c x 当h=2时 ls e1 c x^2当h=1/2时 ls e1 c x^(1/2)或ls e1 c sqr(x ） 等等给定α，若F>αF (k-1,n-k)或F 统计值的伴随概率p 小于给定α，表明模型存在异方差性 四、利用加权最小二乘法估计回归模型命令：①估计回归模型（或非线性回归模型）得到残差 ls y c x ②根据帕克检验结果，生成权数1序列：genr w1=1/x^ 根据戈里瑟检验结果，生成权数2序列：genr w2=1/x^h 生成权数3序列：genr w3=1/abs(RESID) 生成权数4序列：genr w4=1/RESID^2③加权最小二乘法估计回归模型 Ls(w=w1) y c x Ls(w=w2) y c x Ls(w=w3) y c xie x e i i υβα=2ii i x e υβα++=ln ln ln 2ih i i x e υβα++=,21,2,1±±±=h βLs(w=w4) y c x④再运用怀特检验对加权最小二乘法估计回归模型进行异方差检验 试验结果： 写作例题 1、 图示法由相关图和残差图可知模型存在递增型异方差性 2、戈德菲尔德－匡特检验结果给定05.0=α，F=24.7244.3)210,210(05.0=--=>F F α，表明模型存在递增型异方差 3、怀特检验2704.62=nR 99.5)2(2205.0==>χχα，表明模型存在异方差4、帕克（Park ）检验ix e i l n 6743.15549.5l n 2+-=2R =0.4655 F=22.64 P=0.0001P 值远小于0.05，上述方程表明利润函数存在异方差 5、戈里瑟（Gleiser ）检验（1）ii x e 0153.02394.12+=2R =0.2982 F=11.05 P=0.003（2）ii x e 3862.16768.15+-=2R =0.3279 F=12.68 P=0.001（3）261074.20548.27i i x e -⨯+=2R =0.2177 F=7.24 P=0.012P 值远小于0.05，上述方程表明利润函数存在异方差，且模型（2）最优 6、加权最小二乘估计结果① (W=W1)(3.8823) (0.0099)（注：括号内数据为系数标准差）R 2=0.8483 nr 2=4.92 p=0.085（注：nr 2和p 为加权最小二乘估计模型的怀特检验结果）② (W=W2) (11.1877) (0.0077)x y 1086.09220.5ˆ+=x y1062.06493.8ˆ+=∑∑=24.72=579.5963769.67/2=/2122i i e e fR 2=0.6115 nr 2=3.16 p=0.206③ (W=W3) (3.7798) (0.0035) R 2=0.9754 nr 2=6.64 p=0.036④ (W=W4)(1.6603) (0.0021) t= (3.11) (54.16) R 2=0.9969 nr 2=3.10 p=0.213其中，每个方程下面第一组括号里的数字为系数的标准误差。
异方差性的检验和修正
甘肃
4916.25
4126.47
上 海 11718.01
8868.19
青海
5169.96
4185.73
江 苏 6800.23
5323.18
新疆
5644.86
4422.93
1、做 Y 关于 X 的散点图以及回归分析 将数据通过 excel 录入到 eviews 中，对解释变量与被解释变量做散点图，选择解 释变量作为 group 打开，在数据表“ group”中点击 view/graph/scatter/simple scatter，出现以上数据的散点图，如下图所示：
图的结果显示，X 前的参数在 5%的显著性水平下不为零，同时，F 检验也表明方程的线性 关系在 5%的显著性水平下成立。 其次，采用异方差稳健标准误法修正原 OLS 的标准差，得到下图所示的估计结果：
任然可以看出，变量 x 对应参数修正后的标准差比 ols 估计的结果有所增大，这表明原模型 OLS 估计结果低估了 X 的标准差。
上海
11718.01
8868.19
青海
5169.96
4185.73
北京
10349.69
8493.49
内蒙古
5129.05
3927.75
广东
9761.57
8016.91
陕西
5124.24
4276.67
浙江
9279.16
7020.22
甘肃
4916.25
4126.47
天津
8140.5
6121.04
黑龙江
4912.88
计量经济学实验四——异方差的检验和修正
实验目的：学习建立回归模型，并进行异方差检验和对模型进行修正 实验内容：
异方差的检验与修正
西安财经学院本科实验报告学院（部）统计学院实验室313课程名称计量经济学学生姓名学号1204100213专业统计学教务处制2014年12 月15 日《异方差》实验报告五、实验过程原始记录（数据、图表、计算等) 一．选择数据1.建立工作文件并录入数据File\New\workfile, 弹出Workfile create 对话框中选择数据类型.Object\new object\group,按向上的方向键，出现两个obs 后输入数据.中国内地2006年各地区农村居民家庭人均纯收入与消费支出 单位：元城市 y x1 x2 城市 y x1 x2 北京 5724。
5 958.3 7317。
2 湖北 2732。
5 1934。
6 1484。
8 天津 3341。
1 1738.9 4489 湖南 3013。
3 1342.6 2047 河北 2495。
3 1607。
1 2194。
7 广东 3886 1313。
9 3765.9 山西 2253.3 1188。
2 1992.7 广西 2413。
9 1596。
9 1173。
6 内蒙古 2772 2560.8 781.1 海南 2232。
2 2213。
2 1042.3 辽宁 3066。
9 2026。
1 2064。
3 重庆 2205。
2 1234.1 1639。
7 吉林 2700.7 2623。
2 1017。
9 四川 2395 1405 1597.4 黑龙江 2618。
2 2622.9 929.5 贵州 1627。
1 961。
4 1023。
2 上海 8006 532 8606.7 云南 2195.6 1570。
3 680。
2 江苏 4135.2 1497。
9 4315.3 西藏 2002。
2 1399.1 1035.9 浙江 6057。
2 1403.1 5931。
7 陕西 2181 1070。
4 1189。
8 安徽 2420。
9 1472。
8 1496。
3 甘肃 1855.5 1167。
异方差计量实验报告(3篇)
第1篇一、实验目的本实验旨在通过实际操作，验证计量经济学中异方差性的存在，并掌握相应的检验和修正方法。
通过实验，加深对异方差性概念的理解，提高在实际应用中识别和处理异方差问题的能力。
二、实验内容1. 数据来源与处理- 数据来源：本实验使用某地区某年度的居民消费支出数据，包括居民可支配收入和消费性支出两个变量。
- 数据处理：将原始数据进行整理，剔除异常值，并对数据进行对数化处理，以降低异方差性的影响。
2. 模型设定与估计- 模型设定：根据理论分析，设定居民消费支出与可支配收入之间的线性关系模型为：\[ Y = \beta_0 + \beta_1X + \epsilon \]其中，\( Y \) 为居民消费支出，\( X \) 为可支配收入，\( \beta_0 \)和 \( \beta_1 \) 为模型参数，\( \epsilon \) 为随机误差项。
- 模型估计：采用最小二乘法（OLS）对模型进行估计，得到模型参数的估计值。
3. 异方差性检验- 检验方法：采用以下方法检验模型是否存在异方差性：- 观察法：观察残差图，若残差图呈现出明显的曲线关系，则可能存在异方差性。
- Goldfeld-Quandt 检验：通过分组检验残差平方与解释变量之间的关系，判断是否存在异方差性。
- White 检验：采用 White 检验对模型进行异方差性检验，得到统计量值和p 值。
- 检验结果：根据检验结果，判断模型是否存在异方差性。
4. 异方差性修正- 修正方法：若检验结果表明模型存在异方差性，则采用以下方法进行修正：- 加权最小二乘法（WLS）：对模型进行加权最小二乘法估计，以降低异方差性的影响。
- 拉格朗日乘数法（LM）：采用 LM 检验对模型进行修正，得到修正后的模型参数估计值。
- 修正结果：根据修正结果，比较修正前后模型参数估计值的变化，并分析修正效果。
三、实验结果与分析1. 模型估计结果- 根据最小二乘法估计，得到模型参数的估计值如下：\[ \beta_0 = 1000, \beta_1 = 0.5 \]- 模型拟合优度为 0.8，说明模型对数据的拟合程度较好。
实验五 计量经济学异方差问题及其修正
实验五异方差性一、实验目的掌握异方差的检验方法与处理方法.二、实验要求应用教材第116页案例做异方差模型的图形法检验、Goldfeld-Quanadt检验与White检验，使用WLS法对异方差进行修正；三、实验原理异方差性检验：图形法检验、Goldfeld-Quanadt检验、White检验与加权最小二乘法；四、实验步骤一、模型的OLS估计（1）录入数据打开EViews6，点“File”→“New”→“Workfile”选择“Unstructured/Undated”，在Observations 后输入21，如下所示：点击“ok”。
在命令行输入：DATA Y X，回车。
将数据复制粘贴到Group中的表格中，如下图：（2）估计回归方程在命令行输入命令：LS Y C X ，回车。
或者在主菜单中点“Quick ”→“Estimate Equation ”，在Specification 中输入 Y C X ，点“确定”。
得到如下估计结果： 写出回归方程：i ˆ562.9075 5.3728iY X =-+t=(-1.9306) (8.3398)2R=0.7854 F=69.55二、模型的异方差检验1、图示检验法（1）作散点图：X——Y在命令行输入命令：scat X Y ，回车（2）作散点图：X——2~ei首先生成残差的平方序列，在命令行输入命令：GENR E2=resid^2 ，回车。
作散点图：在命令行输入命令： SCAT X 2~e E2 ，回车，结果如下图。
i由上图可以看出，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 的变动呈增大的趋势，因此，模型很可能存在异方差。
2、模型的G-Q 检验 原假设0H :同方差 备择假设1H :异方差（1）首先将样本按X 由小到大的顺序排列，在命令行输入命令：SORT X 回车（2）去除掉中间的5个样本（n/4=5.25，为了使剩下的样本能被平均分成两份，去掉7个），将剩余的16个样本平均分为两份，每一份8个样本。
实验二 异方差、序列相关的检验及修正
实验二：异方差和自相关模型的检验和处理二、实验目的(1) 熟悉EViews软件在自相关模型中的根本使用方法；(2) 掌握异方差、自相关模型的检验和处理方法；三、实验的软硬件环境要求硬件环境要求：科学计算与经济分析实验室，计算机网络设备，需要连接Internet使用的软件名称、版本号以及模块带Windows操作系统以及EViews应用演示软件。
四、知识准备前期要求掌握的知识：了解EViews软件在自相关和异方差分析中的根本概念和根本功能，理解违背线性回归模型的根本假设中的自相关和异方差产生的原因，解决这两类问题的根本理论。
实验相关理论或原理：(1)理解线性模型违背根本假设：误差项同方差性、无序列相关性的含义及其在实际经济问题中产生的原因；(2)掌握线性模型异方差性和序列相关性的检验的统计思想和EViews实现。
(3) 掌握线性模型异方差性和序列相关性的处理方法统计思想和EViews实现。
实验流程：线性回归模型假设→线性回归模型异方差和序列相关性检验→线性回归模型异方差和序列相关性的处理→线性回归模型的修正。
五、实验材料和原始数据表2.1 各地区农村居民家庭人均纯收入与消费支出〔单位：元〕表2.2 1978~2001年中国商品进口与国内生产总值六、实验要求和考前须知能用EViews软件完成线性回归模型的异方差和序列相关性的检验和处理，以及对模型的修正。
能对软件输出的结果能做较详细的分析，能结合数据提出自己的见解。
七、实验内容及步骤〔一〕异方差1.加载工作文件。
(1)建立工作文件的方法是点击,选择新建对象类型为工作文件，选择数据类型，注意本数据是截面数据。
建立工作文件，建立新序列，建立空组。
创立三个序列Y(人均消费支出)、X1(从事农业经营的收入)、X2(其他收入)并输入数据。
进入界面后输入数据如图3－1，3-2所示。
图3－1 图3－22.选择方程〔1〕根据消费理论，中国农村居民人均消费主要由人均纯收入决定，为了考察从事农业经营的收入和其他收入对农村居民消费支出增长的影响，考虑双对数模型：01122ln ln ln Y X X βββμ=+++〔2〕先对模型进展估计。
异方差的检验与修正
SALES 121.9- 7.829 PRICE
( se ) 43
（1）
( -6.850 )
R 2 0.391
R 0.383
2
S .E. 5.097
从中可以看出，价格前面的系数不为 0，则销售收入对价格是富有弹性的。 在给定 0.05 时，价格的 P 值远小于 0.05，则拒绝原假设，认为价格对销售收 入的影响是显著的。 价格前面的系数为-7.829 说明价格和销售收入是呈现负相关 关系， 其价格每上升一美元， 销售收入将会减少 782.9 美元。 拟合优度 R 2 =0.391， 说明这个模型对数据的拟合只是一定程度上的拟合，不是完全拟合。模型尚待改 进。
EViews计量经济学实验报告-异方差的诊断及修正
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.xls ；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 28Included observations: 28VariableCoefficientStd. Error t-Statistic Prob.C 12.03564 19.51779 0.616650 0.5428 X 0.1043930.00844112.366700.0000R-squared0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependentvar146.4895 S.E. of regression 56.90368 Akaike infocriterion10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450Log likelihood -151.8508 F-statistic152.9353 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。
异方差实验报告二模板
《计量经济学》实验报告二开课实验室：财经科学实验室 2012年5月10日 班级： 学号： 姓名：实验项目名称 异方差性的检验与修正 成绩：实验性质： _ 【实验目的】掌握异方差性的检验与修正方法并能运用Eviews 软件进行实现 【实验要求】掌握各种异方差的检验方法，运用最小二乘法进行模型修下，要求熟悉基本操作步骤，读懂各项上机榆出结果的含义并能进行分析 【实验软件】 Eviews 软件 【实验内容】根据给定的案例数据按实验要求进行操作 【实验方案与进度】实验：建立消费支出模型01i i i Y X u ββ=++，样本数据如下表所示：地区 可支配收入(元）消费性支出（元）X Y 北 京 10349.69 8493.49 天 津 8140.5 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 4020.87 黑龙江 4912.88 3824.44 上 海 11718.01 8868.19 江 苏 6800.23 5323.18 浙 江9279.167020.22验证性 □综合性 □设计性指导教师签字：山 东 6489.97 5022 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5644.864422.93(1)用普通最小二乘法估计模型参数Dependent Variable: Y Method: Least Squares Date: 05/10/12 Time: 08:59 Sample: 1 20Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C 272.3635 159.6773 1.705713 0.1053 X0.7551250.02331632.386900.0000 R-squared0.983129 Mean dependent var 5199.515 Adjusted R-squared 0.982192 S.D. dependent var 1625.275 S.E. of regression 216.8900 Akaike info criterion 13.69130 Sum squared resid 846743.0 Schwarz criterion 13.79087 Log likelihood -134.9130 F-statistic 1048.912 Durbin-Watson stat1.301684 Prob(F-statistic)0.000000样本回归ˆ272.3635+0.755125X i iY 即当可支配收入增加一元，消费性支出平均增加0.755125元。
eviews异方差的检验
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。
金融计量学 实验一 异方差的检验与修正(Eviews8截图)
异方差的检验与修正一、实验目的了解异方差、Goldfeld-Quandt检验、Spearman rank correlation检验、Park检验、Breusch-Pagan检验、White检验、加权最小二乘法（WLS)、模型对数变化法等基本概念及异方差产生的原因和后果。
二、基本概念异方差就是对同方差假设的违反.经典回归中同方差是指随着样本观察点X 的变化，线性模型中随机误差项的方差并不改变,保持为常数。
异方差的检验有图示法及解析法，检验异方差的解析方法的共同思想是,由于不同的观察值随机误差项具有不同的方差，因此检验异方差的主要问题是判断随机误差项的方差与解释变量之间的相关性。
异方差的修正方法有加权最小二乘法和模型对数变化法等，其基本思想路线是变异方差为同方差，或者尽量缓解方差变异的程度。
三、实验内容及要求根据北京市1978-1998年人均储蓄与人均收入的数据资料,若假定X为人均收入（元），Y为人均储蓄（元），通过建立一元线性回归模型分析人均储蓄受人均收入的线性影响，并讨论异方差的检验与修正过程。
四、实验指导1。
用OLS估计法估计参数（1)导入数据打开Eviews软件，选择“File”菜单中的“New——Workfile"选项，出现“Workfile Range”对话框，在“Workfile frequency”框中选择“Annual”，在“Start date”和“End date”框中分别输入“1978”和“1998”,然后单击“OK"，弹出如下窗口：选择“File”菜单中的“Import——Read Text-Lotus-Excel”选项，找到要导入的名为EX3.2。
xls的Excel文档,单击“打开"出现“Excel Spreadsheet Import”对话框并在其中输入“x”和“y”, 再单击“OK”完成数据导入。
（2）回归数据估计方程设模型为12Y X ββμ=++，在Eviews 命令窗口中输入“LS Y C X"并回车，得到如下结果:2.异方差检验（1）图示法首先通过“Equation”对话框中“Procs”菜单的“Make Residual Series”命令生成残差序列E，点击“OK”.然后在“Quick”菜单中选“Graph”选项，再在弹出的对话框中输入“X E^2” ,并单击“OK”.再在“Graph Type”框中选择散点图（Scatter Diagram）,并单击“OK”即可得到:（2）Goldfeld-Quandt检验首先将时间定义为1978-1985,方法如下：在“Workfile”对话框中选择“Procs”菜单的“sample”选项，弹出如下窗口并把期间改为“1978 1985”。
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
计量经济学异方差的检验与修正实验报告
计量经济学实验报告关于异方差性的检验与修正2012/11/18学院：国际教育学院专业：国际经济与贸易班级：10级一班姓名：苗子凯学号：1014102025一．异方差检验运行Eviews,依次单击file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
然后开始进行LS回归，命令栏中输入“ls y c x”回车，即得到回归结果如下回归方程为：：Y = 272.3635389 + 0.7551249391*X二．开始检验异方差White 检验法:依次单击View →Residual Tests →Heteroskedasticity test →Whit 经估计出现white 检验结果，如下图：所以拒绝原假设，表明模型存在异方差Goldfeld-Quanadt 检验法： 在命令栏中直接输入：ls y c x →sort 1 20(进行排序) →smpl 1 8 →ls y c x →enter 得到如下结果：99.5%565.122置信水平下的卡方值>=nR继续取样本，在命令栏中直接输入： smpl 13 20 →ls y c x→enter得到如下结果：计算F统计量：F=RSS2/RSS1=615472.0/126528.3=4.864；F=4.864> F0.05（6,6）=4.28，拒绝原假设，表明模型确实存在异方差性。
帕克检验重新打开eviews，依次键入以下步骤：file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
然后键入：genr lne2=log(resid^2) → genr lnx=log(x) →ls lne2 c lnx得到结果如下：可得到α=3.47，且t=2.89，说明显著性明显，而α的显著性不为零意味着存在显著性。
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。
- 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)。
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 28Included observations: 28VariableCoefficient Std. Error t-Statistic Prob.C XR-squaredMean dependentvarAdjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson statProb(F-statistic )估计结果为： iY 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 —Yes2、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”—OK4、选中x,e2序列，点击鼠标右键，Open —as Group —Yes5、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2i 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-squaredProbabilityTest Equation:Dependent Variable: RESID^2 Method: Least Squares Date: 10/19/05 Time: 15:29 Sample: 1 28Included observations: 28VariableCoefficientStd. Error t-Statistic Prob.C X X^2R-squaredMean dependent varAdjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid +08 Schwarz criterionLog 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 +2α2t 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=1/2t 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 28Included observations: 28 Weighting series: W1VariableCoefficientStd. Error t-Statistic Prob.CXWeighted StatisticsR-squaredMean dependent varAdjusted R-squared. dependent var. of regressionAkaike info criterionSum squared resid Schwarz criterion Log likelihood F-statisticDurbin-Watson statProb(F-statistic)Unweighted StatisticsR-squaredMean dependent varAdjusted R-squared. dependent var. of regression Sum squared residDurbin-Watson stat3、在“Equation”页面：点击“Estimate Equation”,输入“y c x”,点击“weighted”,输入“w2”,出现如图7：用权数t2的结果Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:16Sample: 1 28Included observations: 28Weighting series: W2Variable Coefficient Std. Error t-Statistic Prob.CXWeighted StatisticsR-squaredMean dependent varAdjusted R-squared. dependent var. of regressionAkaike info criterionSum squared resid Schwarz criterion Log likelihood F-statisticDurbin-Watson statProb(F-statistic)Unweighted StatisticsR-squaredMean dependent varAdjusted R-squared. dependent var. of regression Sum squared residDurbin-Watson stat4、在“Equation”页面：点击“Estimate Equation”,输入“y c x”,点击“weighted”,输入“w3”,出现如图8：用权数t3的结果Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:17Sample: 1 28Included observations: 28Weighting series: W3Variable Coefficient Std. Error t-Statistic Prob.CXWeighted StatisticsR-squaredMean dependent varAdjusted R-squared. dependent var. of regressionAkaike info criterionSum squared resid Schwarz criterion Log likelihood F-statisticDurbin-Watson statProb(F-statistic )Unweighted StatisticsR-squaredMean dependent varAdjusted R-squared . dependent var . of regression Sum squared resid Durbin-Watson stat经估计检验，发现用权数t 1ω，t 3ω的结果，其可决系数反而减小；只有用权数t 2ω的效果最好，可决系数增大。
用权数t 2ω的结果Dependent Variable: Y Method: Least Squares Date: 10/22/10 Time: 00:16 Sample: 1 28Included observations: 28 Weighting series: W2VariableCoefficient Std. Error t-Statistic Prob.C XWeighted StatisticsR-squaredMean dependent varAdjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson statProb(F-statistic )Unweighted StatisticsR-squaredMean dependent varAdjusted R-squared . dependent var . of regression Sum squared resid Durbin-Watson stat用权数t 2ω的估计结果为： iY ˆ= + i X （） （）2R = DW=1.905670 F=括号中的数据为t 统计量值。