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(SCAT X 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=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。
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。
3、Gleiser检验
建立回归模型(LS Y C X),结果如(*)式。 生成新变量序列: GENR E = ABS(RESID) 分别建立新残差序列E对各解释变量X/X/X/X212?1/X?2/X?1
2的回归模
型(LS E C X),回归结果如各图所示。
篇三:异方差实验报告(已做)
《计量经济学》实验报告二
开课实验室:财经科学实验室 年月日 班级: 学号: 姓名:
实验项目名称异方差性的检验与修正 成绩:
验证性 □综合性 □设计性
实验性质:_
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:建立住房支出模型Yi??0??1Xi?ui,样本数据如下表所示:
指导教师签字:
(1)用普通最小二乘法估计模型参数
Dependent Variable: Y Method: Least Squares Date: 05/20/11Time: 08:31 Sample: 1 20
C R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 272.3635 159.6773 1.705713
0.1053 0.983129 Mean dependent var 5199.515 0.982192 S.D. dependent var 216.8900 Akaike info criterion 846743.0 Schwarz criterion -134.9130 F-statistic 1625.275 13.69130 13.79087 1048.912 ??272.3635+0.755125X 估计结果为:Y
(2)用图形法进行异方差检验
由上图可看出,残差有随X增大的趋势,因此可以判断该模型可能存在异方差,但是是否确实存在异方差还需进一步检验。 (3)用样本分段法进行异方差检验 表3
Dependent Variable: Y Method: Least Squares Date: 05/20/11Time: 09:01 Sample: 1 8
Variable C R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 1277.161 Std. Error 1540.604 t-Statistic 0.829000 Prob.0.4388 166.1712 13.00666 13.02652 3.165861 0.125501
0.345397 Mean dependent var 4016.814 0.236296 S.D. dependent var 145.2172 Akaike info criterion 126528.3 Schwarz criterion -50.02663 F-statistic 3.004532 Prob(F-statistic)
表4
Dependent Variable: Y Method: Least Squares Date: 05/20/11Time: 09:01 Sample: 13 20
C R-squared
Adjusted R-squared S.E. of regression
Sum squared resid Log likelihood 212.2118 530.8892 0.3997290.7032 0.963723 Mean dependent var 6760.477 0.957676 S.D. dependent var 320.2790 Akaike info criterion 615472.0 Schwarz criterion -56.35432 F-statistic 1556.814 14.58858 14.60844 159.3919 由表3 可以得出样本1-8的残差平方和为126528.3,由表4可以得出样本13-20的残差平方和为615472.0,根据G-Q检验得: F=615472.0/126528.3=4.86在显著性水平?=0.05下,分子,分母的自由度均为6,查F分布表,得临界值
F0.05(6,6)=4.28,因为F=4.86>F0.05(6,6)=4.28,所以拒接原假设,表明模型确实存在异方差。
(4)用White方法检验模型是否存在异方差
根据White检验基本思想,建立辅助函数:ei2??0??1X1i??2X1i2?ui
White Heteroskedasticity Test: F-statistic Obs*R-squared
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 05/20/11Time: 23:29 Sample: 1 20
Variable C X X^2
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 14.63595 Probability 12.65213 Probability
Coefficient -180998.9 49.42846 -0.002115
Std. Error 103318.2 28.93929 0.001847
t-Statistic -1.751858 1.708006 -1.144742
Prob.0.0978 0.1058 0.2682 45279.67 23.52649 23.67585 14.63595 0.632606 Mean dependent var 42337.15 0.589384 S.D. dependent var 29014.92 Akaike info criterion 1.43E+10 Schwarz criterion -232.2649
F-statistic 由上表可以看出nR2=12.65213,在?=0.05时,查分布表,可得临界值
?0.05(2)2?5.991,因为nR2=12.65213>?0.05(2)2?5.991,所以拒绝原假设,接受被
择假设,表明模型存在异方差。
(5)如果模型存在异方差,假设异方差的形式是?2i??2Xi4(?2为常数),试用模型变换法对模型进行修正(并证明经过变换的模型已消除异方差),并估计参数。
表5
Dependent Variable: Y Method: Least Squares Date: 05/20/11Time: 23:31 Sample: 1 20
Included observations: 20 Variable C Weighted Statistics R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat R-squared
Adjusted R-squared S.E. of regression Durbin-Watson stat
Coefficient 374.8934
Std. Error 211.4532
t-Statistic 1.772938
Prob.0.0932
0.982130 Mean dependent var 4569.310 0.981137 S.D. dependent var 167.7966 Akaike info criterion 506802.4 Schwarz criterion -129.7802 F-statistic 1.702498 Prob(F-statistic)
1221.737 13.17802 13.27759 353.2031 0.000000
1625.275 877170.3
0.982523 Mean dependent var 5199.515 0.981552 S.D. dependent var 220.7525 Sum squared resid 1.310886
可根据White方法证明经过变换的模型已消除异方差, F-statistic Obs*R-squared
0.816247 Probability 1.752310 Probability
0.45868
3
0.41638
1
由上表可以看出nR2=1.752310,在?=0.05时,查分布表,可得临界值
?0.05(2)2?5.991,因为nR2=1.752310<?0.05(2)2?5.991,所以接受原假设,该模型
不存在异方差。
??374.8934+0.737432X 由表5可得,估计结果如下:Y
表明消除异方差后使用普通最小二乘法,参数估计的标准差降低,t检验显著,说明模型对现实的拟合性增强,从模型中可以看出可支配收入每增加1元,消费性支出平均每增加0.74元。