计量上机作业精要.doc

《计量经济学》上机实验报告五 题目： 异方差性 实验日期和时间： 2016.5.31 班级： 14金融2班 学号姓名： 田新 实验室：实验楼108 实验环境： Windows 7 ; EViews 3.1 实验目的： 掌握异方差性的检验及处理方法 实验内容： 1、建立并检验我国农村家庭人均支出消费对人均收入的关系模型； 2、建立并检验我国各地区建筑业企业利润总额与建筑业总产值的关系模型。 实验步骤： 一、建立2007年我国农村家庭人均支出消费对人均收入的回归模型：ls y c x 图一 所以，两者的线性回归模型为： y=0.7195x+179.1916 二、检验异方差性 1、图形分析检验 （1）观察家庭人均纯收入（Y）与家庭生活消费支出（X）的相关图：SCAT X Y 图二 从图中可以看出，随着家庭人均纯收入的增加，家庭生活消费支出不断提高，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。 ⑵残差分析 首先将数据排序（命令格式为：SORT x），然后建立回归方程ls y c x。在方程窗口中点击Resids按钮就可以得到模型的残差分布图 图三 ⒉Goldfeld-Quant检验 样本按解释变量排序（SORT X） 构建子区间，建立回归方程。样本容量为31，删除中间约1/4的观测值，即大约8个，余下部分分成两部分（分别有1到12共12个样本和21到31共11个样本） 用样本1建立回归模型1，其残差平方和为413440.3。 SMPL 1 12 LS Y C X 图四 (4)用样本2建立回归模型2，其残差平方和为4913412。 smpl 21 31 ls y c x 图五 （5）计算F统计量：＝4913412/413440.3=11.88，分别是模型1和模型2的残差平方和。 取时，查F分布表得，而，所以存在异方差性。 ⒊White检验 建立回归模型： Smpl 1 31 LS Y C X 方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果为： 图六 其中F值为辅助回归模型的F统计量值。取显著水平，由于,所以存在异方差性。实际应用中可以直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。 ⒋Park检验 建立回归模型（同上）。 生成新变量序列：GENR LNE2=log(RESID^2) GENR LNX=log(X) 建立新残差序列对解释变量的回归模型：LS LNE2 C LNX，回归结果 图七 由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，即随即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。 ⒌Gleiser检验（Gleiser检验与Park检验原理相同） 立回归模型(结果同上)。 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^2/X^(1/2)/X^(－1)/ X^(－2)/ X^(－1/2)）的回归模型：LS E C X，回归结果如图 图八 图九 图十 图十一 图十二 图十三 由上述各回归结果可知，各回归模型中解释变量的系数估计值显著不为0且均能通过显著性检验。所以认为存在异方差性。 F值或确定异方差类型 Gleiser检验中可以通过F值或值确定异方差的具体形式。本例中，解释变量为x^(2)的回归方程F值（）最大，可以据此来确定异方差的形式。 三、调整异方差性 ⒈确定权数变量 根据Park检验生成权数变量： genr w1=1/x^2.431324 根据Gleiser检验生成权数变量 ： genr w2=x^（-2） 另外生成 genr w3=1/abs(resid) genr w4=1/resid^2 ⒉利用加权最小二乘法估计模型 在Eviews命令窗口中依次键入命令： LS(W=) Y C X 其结果如下： 图十四 图十五 图十六 图十七 ⒊对所估计的模型再进行White检验，观察异方差的调整情况 对所估计的模型再进行White检验，其结果为下面四个图分别对应回归模型。最后的图即权数变量w4=1/resid^2所对应的White检验显示，P值较大，所以接收不存在异方差的原假设，即认为已经消除了回归模型的异方差性。 图十八 图十九 图二十 图二十一 四、建立2011年各地区建筑业总产值与建筑业企业利润之间的回归模型，输入：ls y c x 回归方程为：y=0.03498x+2.368209 该方程表示