计量经济学实验教学案例实验四异方差

1、办实验四 异方叭差性【实验目的】安掌握异方差性的岸检验及处理方法【实验内容】斑建立并检验我国鞍制造业利润函数拔模型【实验步骤】鞍【例1】表1列氨出了1摆998年我国主傲要制造靶工业销售收入与瓣销售利润的统计俺资料，请利用统把计软件Evie搬ws建立我国制摆造业利润函数模碍型。扮表1 我国制造瓣工业1998年背销售利润与销售鞍收入情况笆行业名称耙销售利润扳销售收入哎行业名称安销售利润案销售收入岸食品加工业鞍187.25跋3180.44霸医药制造业敖238.71懊12凹64.1傲食品制造业绊111.42捌1119.88霸化学纤维制品稗81.57斑779.46版饮料制造业隘205.42扮1489.8

2、9敖橡胶制品业懊77.84安692.08案烟草加工业八183.87跋1328.挨59巴塑料制品业斑144.34办1345凹纺织业袄316.79哎3862.9按非金属矿制品芭339.26版2866.14把服装制品业斑157.7胺1779.1鞍黑色金属冶炼跋367.47案3868.28耙皮革羽绒制品奥81.7疤1081.77败有色金属冶炼芭144.29肮1535.16氨木奥材昂加工业哎35.67百443.74坝金属制品业岸201.42袄1948.12扳家具制造业伴31.06拜226.78安普通机械制造把354.69埃2351.68颁造纸及纸品业袄134.4啊1124.94敖专用设备挨制造百238.

3、16阿1714.73稗印刷业碍90.12背499.83靶交通运输设备背511.94案4011.53唉文教体育用品班54.4班504.44佰电子机械制造稗409.83跋3286.15岸石油加工业熬194.4俺5败2363.8案电子通讯设备白508.15傲4499.19哎化学原料纸绊品挨502.61柏4195.22埃仪器仪表设备哎72.46拔663.68检验异方差性图形分析检验暗翱观察巴销售利润（Y）癌与销售收入（X疤）的相关图蔼(图1)翱：SCAT 埃X板 扳Y胺图1 我国制造芭工业销售利润与袄销售收入相关图班从图中可以看出绊，随着销售收入稗的增加，销售利碍润的平均水平不叭断提高，但离散懊程度也

4、逐步扩大啊。这说明变量之芭间可能存在递增拔的异方差性。残差分析癌首先将数据排序百（命令格式为：扳SORT 解蔼释变量），然后靶建立回归方程。邦在方程窗口中点袄击Resids半按钮就可以得到背模型的残差分布八图颁（或白建立方程后伴在唉E般views工作爱文件窗口中点击翱resid对象疤来观察）碍。八图2 我国制造班业销售利润回归阿模型残差分布稗图2显示回归方埃程的残差分布有笆明显的扩大趋势暗，即表明存在异败方差性。奥巴Goldfel伴d碍-Quant检瓣验坝埃将样本安解释变百量排序（SOR半T X）并分背成两部分捌（分别有1到1百0共11个样本阿合19到28共俺10个样本）昂袄利用样本1建立扒回

5、归模型隘1盎（回归结果如图捌3），板其残差平方和为傲2579.58柏7。澳SMPL 1爸 10办LS Y 罢C X耙图3 样本1回啊归结果巴绊利用样本2建立瓣回归模型2笆（回归结果如图背4）案，搬其霸残差平方和为6蔼3769.67斑。熬SMPL 1百9 28矮LS Y 岸C X版图4 样本2回蔼归结果般八计算F统计量：案63769.般6鞍7/2579.斑59=24.7版2矮，皑分别是模型1和熬模型2的残差平唉方和啊。皑取阿时，查F分布表岸得败，而蔼，所以存在异方按差性版爸White检验捌隘建立回归模型：霸LS Y 佰C X拌，回归结果如图案5。氨图搬5耙 伴我国制造业销售扮利润回归模型澳盎在方

6、程窗口上点伴击ViewR扒esidual拌TestW拔hite He跋teroske澳dastcit斑y,检验结果氨如图6暗。啊图6 Whit绊e检验结果伴其中F值为辅助摆回归模型的F统盎计量值。取显著癌水平拔，由于按,所以存在异方澳差性。隘实际应用中可以凹直接观察相伴概懊率p值的大小，班若p值较小颁，则认为存在异白方差性。反之，白则认为不存在异芭方差性。Park检验巴板建立回归模型（背结果同图5所示霸）。罢澳生成新变量序列耙：GENR 岸LNE2=lo哀g(RESID阿2)白GENR L碍NX=log癌挨建立稗新叭残差序列对解释隘变量的回归模型摆：LS LN瓣E颁2 C八 拜 LNX靶，回归

7、结果如图蔼7所示。捌图7 Park隘检验回归模型捌从图7所示的回伴归结果中可以看扳出，LNX的系邦数估计值不为0颁且能通过显著性暗检验凹，即随即误差项安的方差与解释变绊量存在较强的相搬关关系，即认为埃存在异方差性。隘按Gleiser哎检验鞍（Gleise伴r检验与半Park检验原版理相同）拔俺建立回归模型（佰结果同图5所示坝）。把爱生成新变量序列摆：GENR 柏E=ABS(R爸ESID)颁八分别懊建立背新班残差序列背（E）绊对唉各颁解释变量拜（X/X2/矮X(1/2)般/X(1)拌/昂 安X(2)/罢 澳X(1/2挨)）疤的回归模型：L翱S E 败C X，回归半结果如图8版、9、10、1奥1、

8、12、13八所示。图8图9图10图11图12图13爱由上述各回归结叭果可知，各回归暗模型中解释变量艾的系数估计值显芭著不为0且均能俺通过显著性检验澳。所以认为存在捌异方差性。巴肮由F值或坝确定异方差类型败Gleiser坝检验中可以通过扳F值或搬值确定异方差的癌具体形式。本例扮中，摆图1颁0阿所示的回归方程翱F值佰（版）翱最叭大百，可以据次来确绊定异办方差的形式。调整异方差性确定权数变量凹根据Park检邦验生成权数变量疤：GENR 班W1=1/X隘1.6743跋根据Gleis昂er检验生成权瓣数变量：GEN胺R W2=1皑/X0.5碍另外生成：GE摆NR W3=袄1/ABS(R肮ESID）版GENR W搬4=1/巴 八RESID 暗2瓣靶利用加权最小二芭乘法估计模敖型吧在Eviews挨命令窗口中依次暗键入命令：疤LS(W=佰) Y C背 X版或在方程窗口中把点击Estim跋ateOpt拜ion按钮，并般在权数变量栏里背依次输入W1、佰W耙2、W3、W4肮，回归结果图1霸4、15、16矮、17所示。图14图15图16图17奥案对所估计的模型唉再进行Whit巴e检验，观察异奥方差的调整情况邦对所估计的模型稗再进行Whit奥e检验，其结果爱分别对应图14背、15、16、拜17的回归模型背（如半图18、19、隘2