EViews计量经济学实验报告-异方差的诊断及修正

1、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：Yi =1+2 X i + i其中，Y表示销售利润，Xi表示销售收入。由

2、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）行业名称销售利润Y销售收入X食品加工业187.253180.44食品制造业111.421119.88饮料制造业205.421489.89烟草加工业183.871328.59纺织业316.793862.9服装制造业157.71779.1皮革羽绒制品81.731081.77木材加工业35.67443.74家具制造业31.06226.78造纸及纸制品134.41124.94印刷业90.12499.83文教体育用品54.4504.44石油加工业194.452363.8化学原料制品5

3、02.614195.22医药制造业238.711264.1化学纤维制造81.57779.46橡胶制品业77.84692.08塑料制品业144.341345非金属矿制业339.262866.14黑色金属冶炼367.473868.28有色金属冶炼144.291535.16金属制品业201.421948.12普通机械制造354.692351.68专用设备制造238.161714.73交通运输设备511.944011.53电子机械制造409.833286.15电子通信设备508.154499.19仪器仪表设备72.46663.68(二) 参数估计1、 双击“ Eviews ”，进入主页。输入数据：点击

4、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Depe ndent Variable: YMethod: Least SquaresDate: 10/19/05 Time: 15:27Sample: 1 28In eluded observati ons: 28VariableCoefficientStd. Errort-StatisticProb.C12.0356419.517790.6166500.5428X0.104393

5、0.00844112.366700.0000Mean depe ndentR-squared0.854696var213.4650S.D.dependentAdjusted R-squared0.849107var146.4895Akaike infoS.E. of regressi on56.90368criteri on10.98935Sum squared resid84188.74Schwarz criterion11.08450Log likelihood-151.8508F-statistic152.9353Prob(F-statisticDurb in -Watson stat1

6、.212795)0.000000估计结果为：Y?=12.03564 + 0.104393Xi(19.51779)(0.008441)t= ( 0.616650)( 12.36670)R2=0.854696 R2 =0.849107 S.E.=56.89947DW=1.212859F=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。R =0.854696 ,拟合程度较好。在给定=0.0 时，t=12.36670 t.025（26） =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 F0.05（1,26） =

7、4.23 ,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）：600500400Y 3002001000010002000300040005000X3、 在Workfile ”页面：点击 Gen erate，输入e2=residA2 ”一 OK4、 选中x,e2序列，点击鼠标右键，Open as Group Yes5、 在Group”页面：点击 View

8、GraphScatter Simple Scatter, 得到 X,e2 的散点图（图4所示）：010002000300040005000X250002000015000E10000500006、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；2同样，由图4可以看出，残差平方 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 e随Xi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。探（二）White检验1、在Equation ”页面：点击 View Residual Tests White

9、检验（nocross ）,（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-statistic3.607218Probability0.042036Obs*R-squared6.270612Probability0.043486Test Equati on:Depe ndent Variable: RESIDEMethod: Least SquaresDate: 10/19/05 Time: 15:29Sample: 1 28In eluded observati ons: 28CoefficieC-3

10、279.7792857.117-1.1479330.2619X5.6706343.1093631.8237280.0802XA2-0.0008710.000653-1.3340000.1942Mean depe ndentR-squared0.223950var3006.741S.D.dependentAdjusted R-squared0.161866var5144.470Akaike infoS.E. of regressi on4709.744criteri on19.85361Sum squared resid5.55E+08Schwarz criterion19.99635Log l

11、ikelihood-274.9506F-statistic3.607218Prob(F-statisticDurb in -Watson stat1.479908)0.0420362、因为本例为一元函数，没有交叉乘积项，则辅助函数为2t = o+1 Xt +22 Xt + t2从上表可以看出，nR =6.270612 ，有White检验知，在2=0,05下，查分布表，得临界值20.05(2)=5.99147。比较计算的2统计量与临界值,2因为 nR = 6.270612 20.05(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。(四) 异方差的修正在运用加权最小二

12、乘法估计过程中，分别选用了权数1t=1/xt， 2t=1/xt2， 3t=10.05 ( 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。2、用加权最小二乘法修正异方差：发现用权数2t的效果最好，则估计结果为：Y?= 6.496703 + 0.106892 X i(1.863374)( 9.725260)2R =0.922715DW=1.905670 F=94.58068括号中的数据为t统计量值。由上可以看出，R2 =0.922715,拟合程度较好。在给定 =0.0 时，t= 9.725260to.025 (26)=2.056，拒绝原假设，说明销售收入对销售利润有显

13、著性影响。F=94.58068 F0.05(1,26) = 4.23 ,表明方程整体显著。运用加权最小二乘法后，参数2的t检验显著，可决系数提高了不少，F检验也显著，并说明销售收入每增长1元，销售利润平均增长0.106892元。3、再用 White检验修正后的模型是否还存在异方差：White检验结果White Heteroskedasticity Test:F-statistic3.144597Probability0.060509Obs*R-squared5.628058Probability0.059963Test Equati on:Depe nde nt Variable: STD_R

14、ESIDA2Method: Least SquaresDate: 10/22/10 Time: 00:17Sample: 1 28In eluded observati ons: 28VariableCoefficientStd. Errort-StatisticProb.C1927.346675.22462.8543780.0085X-1.4566130.734838-1.9822230.0585XA20.0002450.0001541.5863420.1252Mean depe ndentR-squared0.201002var425.0258S.D.dependentAdjusted R-squared0.137082var1198.210Akaike infoS.E. of regressi on1113.057criteri on16.96857Sum squared resid30972414Schwarz criterion17.11130Log likelihood-234.