计量经济学 异方差检验补救.doc

实 验 报 告 课程名称： 实验项目名称：单方程线性回归模型中异方差 的检验与补救 院 （系）： 经济与管理学院 专业班级： 国际经济与贸易 姓 名： 许冉 学 号： 1065137137 实验地点： 实验日期： 年 月 日 实验目的：掌握利用EViews软件对模型中存在的异方差进行检验和补救。 实验内容—make residual series 点击确定，生成残差序列。 然后再找出Y的估计值，在主回归的窗口点击FORCAST, 点击确定，生成新的YF序列。 对Y的估计值和残差的平方操作，生成二者的散点图，步骤为；Quick—graph—scatter 点击确定，就能生成二者的残差图，如下： 由上图可以明显看出，散点的分布并不能近似看作是一条直线，而且在后半部分，离散程度变大，由此可以得到与上面方法相同的结论，即存在着递增型的异方差。 C.再者，可以通过检查任意一个X与残差平方散点图，而此模型中只有一个自变量，所以用与上面相同的方法，可以找到二者的残差图。Quick—graph—scatter，值得注意的是要在对话框中先写横坐标。 由该散点图可以得到与上面两种方法相同的结论，即存在着递增型的异方差。 帕克检验 已知帕克检验的模型基础是残差平方和解释变量X的对数模型。对其做回归得： 由上述结果可见，log（x）前面的系数具有统计显著性，所以认为该模型存在着异方差性。 3）Glejser检验 克莱泽检验是检查残差的绝对值与不同形式的X之间的关系，对其做回归，在主窗口中，点击QUICK→ESTIMATE EQUATION,并输入正确的模型形式。 得到如下估计结果： A.由上可得，X的系数的T值的绝对值大于2，认为足够大，而P值小于0.05，认为足够小，所以拒绝原假设，认为具有统计显著性，即残差和X之间存在着函数关系，所以存在着异方差。 B.按照上述步骤，检查残差的绝对值与X^0.5之间的关系，得到如下结果， 根据如上截图，可以得到6.199383具有统计显著性，即残差的绝对值随着X^0.5的变化而变化，所以认为此模型存在着异方差。 C.再检查残差的绝对值与X^-1的关系： 得到如下估计结果： 因为T值的绝对值大于2，P值足够小，所以认为该参数具有统计显著性，所以认为残差的绝对值和X^-1之间存在着函数关系，所以，异方差存在。 D.检查残差绝对值与X^-0.5之间的关系，得到如下结果： 同样，T的绝对值足够大，P值足够小，所以认为该系数具有统计显著性，所以残差的绝对值与该 形式的X之间存在着函数关系，所以异方差存在。 Goldfeld-Quandt检验 根据匡特检验的思想，首先将X排序，因为之前据散点图粗略分析知，存在着递增型异方差，所以应该将X由小到大排序。排序的方法是，主窗口中PROCESS→sort→ACENDING. 因为样本总数为55个，去除n/4个，大约为13个，所以将剩下的数据分成数量相等的两部分。1-21，35-55. 先做前21个数的回归，得到下面的结果： 注意修改SAMPLE的区间。 得到残差平方和为21986.20.然后做后半部分的回归，方法相同。 得到残差的平方和为131198.6. 则利用匡特检验的公式，可求两个残差平方和之间的比值，约为5.97. 给定0.01，Fα=3.00，F大于此值。所以，认为具有递增型异方差。 White检验 怀特检验是最简单的，因为EVIEWS中可以直接进行估计，而不用自己运算。在菜单中View –residual test—white heterokedasticity. 此方法的检验要用到喀方检验。因为带估计参数的个数为3，所以自由度为2.则给定α=0.05，则临界值为5.99147，而N*R^2=7.37451，大于临界值，所以认为存在异方差。 2、异方差的补救 1）对数变换 因为加权最小二乘法比较复杂，所以在实际应用中，可以先用对数变化进行补救，如果不能消除异方差，在考虑运用加权最小二乘法。 对数变换模型进行估计： 再对其进行怀特检验，看是否已经消除异方差； 由上图结果可知，OBS*R-squared=2.043518,小于临界值，接受原假设，认为此模型不具有异方差。说明对数变换的方法消除了异方差。 加权最小二乘法 在QUICK→Estimated Equation中，点击option按钮。选择加权，并把权数输入其中，由帕克检验可知X前的系数为3.7，所以权数应该是X^-1.85