计量经济学实验报告6 单方程线性回归模型中异方差的检验与补救.doc

实 验 报 告 课程名称： 计量经济学 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： 姓 名： 学 号： 实验地点： 实验日期： 2013年 5 月 15 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 Quick-empty group 并对数据重命名 ser01-x ser02-y 异方差的检验 1、先对x、y进行估计。在quick中选择estimate equation编辑方程y c x 2、将x、y建组，并命名为group02,并在group02中view菜单下选择graph-scatter-simple scaterr画出散点图。 从图像中可看出，三点分布由集中到慢慢扩大，而且比较明显，所以说该模型可能存在异方差。 3、y的估计值与残差平方的散点图进行判断 首先在eq01中proc菜单下选择make residual series,命名为res，找到残差。如图： 然后在eq01菜单下选择forecast，命名为yf。找到y的估计值，点击ok 4、在eviews下quick菜单中graph——scatter 编辑方程yf c res^2, 点击ok 由图可知，三点较为凌乱，其估计模型不为一条斜率为零的直线，所以该模型中可能存在异方差。 5、用任一解释变量x与残差平方的散点图同时进行判断。 在eviews下quick菜单中graph——scatter，编辑方程x c res^2, 点击ok 由图可知，模型估计不是一条斜率为0的直线，所以该模型中可能存在异方差 park检验 在eviews中，quick菜单中estimate equation 编辑方程log（res^2） 点击确定 读图可知，斜率系数的估计值为3.703235，P值为0.02060.05，P值小，因此拒绝原假设，该模型中存在异方差。 四、Glejser检验 在eviews中，quick菜单中estimate equation 编辑方程abs(res) cx 点击确定 读图可知， P值为0.00580.05，P值小，因此拒绝原假设，该模型中存在异方差。 五、Goldfeld-Quandt检验 ①将观测值x的大小从小到大排列。在X窗口菜单栏下，点击sort,选择aesending ②样本容量为55，根据公式N/4得，略去13个处于中心位置的观测值，并将余下的观测值划分为样本容量相同的两个子样本，每个子样本样本容量均为21，1-21和35-55。对每个子样本分别进行OLS回归，并计算各自的残差平方和。 点击主菜单栏quick中选择estimate equation编辑方程y c x，sample改为1 21 其残差平方和为21986.20 再在主菜单栏quick中选择estimate equation编辑方程y c x，sample改为35 55 得到数据 其残差平方和为131198.6 F=131198.6∕21986.20≈5.97 在给定显著性水平α=0.05，查表可知其临界值为2.16。 5.97＞2.16,所以拒绝原假设，表明存在递增型的异方差。 六、怀特检验 1、在eq01中，view菜单下,residual tests-white heteroskedasticity (no cross terms) 由图可以看出obs*R^2=7.374513 p=0.0250410.05,拒绝原假设，模型中存在异方差 七、异方差的补救 1）加权最小二乘法（WLS） 利用Park检验结果进行补救。 在eviews中quick菜单下选择estimate equation 选择options-weighted Weight:x^(-1.85) 与eq01相比，X的系数由原来的0.436809变为现在的0.490769，t值也从原来的5.57704变为现在的8.693845，R^2也从原来的0.369824变为现在的0.670548，残差平方和也变小了，F值增大，综上来说达到了消除异方差的效果。 2）对数变换 Quick-estimate equation,编辑方程 log(y) c log(x) 对以上结果采用怀特法进行异方差检验 view菜单下,residual tests-white heteroskedasticity (no cross terms) 得到如下数据 Obs*R^2=2.043518,P=0.3