实验异方差的检验与修正.docVIP

实验 异方差的检验与修正 实验目的 1、理解异方差的含义后果、 2、学会异方差的检验与加权最小二乘法 实验内容 准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤与方法同前），得到残差序列。 行业名称 销售利润 销售收入 行业名称 销售利润 销售收入 食品加工业 187.25 3180.44 医药制造业 238.71 1264.1 食品制造业 111.42 1119.88 化学纤维制品 81.57 779.46 饮料制造业 205.42 1489.89 橡胶制品业 77.84 692.08 烟草加工业 183.87 1328.59 塑料制品业 144.34 1345 纺织业 316.79 3862.9 非金属矿制品 339.26 2866.14 服装制品业 157.7 1779.1 黑色金属冶炼 367.47 3868.28 皮革羽绒制品 81.7 1081.77 有色金属冶炼 144.29 1535.16 木材加工业 35.67 443.74 金属制品业 201.42 1948.12 家具制造业 31.06 226.78 普通机械制造 354.69 2351.68 造纸及纸品业 134.4 1124.94 专用设备制造 238.16 1714.73 印刷业 90.12 499.83 交通运输设备 511.94 4011.53 文教体育用品 54.4 504.44 电子机械制造 409.83 3286.15 石油加工业 194.45 2363.8 电子通讯设备 508.15 4499.19 化学原料纸品 502.61 4195.22 仪器仪表设备 72.46 663.68 二、异方差的检验 图3-1 我国制造工业销售利润与销售收入相关图 从图中可以看出，随着销售收入的增加，销售利润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。 ⑵ 残差分析 首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。 图3-2 我国制造业销售利润回归模型残差分布 图3-2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。 2、Goldfeld-Quant检验 ⑴将样本安解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本） ⑵利用样本1建立回归模型1（回归结果如图3-3），其残差平方和为2579.587。 SMPL 1 10 LS Y C X 图3-3 样本1回归结果 ⑶利用样本2建立回归模型2（回归结果如图3-4），其残差平方和为63769.67。 SMPL 19 28 LS Y C X 图3-4 样本2回归结果 ⑷计算F统计量：＝63769.67/2579.59=24.72，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 3、White检验 ⑴建立回归模型：LS Y C X，回归结果如图3-5。 图3-5 我国制造业销售利润回归模型 ⑵在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果如图3-6。 图3-6 White检验结果 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。反之，则认为不存在异方差性。 4、斯皮尔曼等级相关系数检验 其操作步骤为： 对X排序：命令行输入SORT X 输入X的等级：data d1（依次输入1-n的自然数）； 对残差绝对值排序：命令行输入SORT abs(resid)； 输入残差绝对值的等级：data d2（依次输入1-n的自然数）； 依据公式计算等级相关系数检验统计量，并查表得出结论。 、异方差的消除—加权最小二乘法加权最小二乘法中，最重要的是确定权重的确定，一般而言，采用残差绝对值的倒数作为权重，也可以采用其他形式。 首先，用SMPL命令设定样本的区间（包括所有观测值），如：SMPL 1 31 进行最小二乘回归，得到残差序列，LS Y C X进行加权最小二乘估计，LS(W=1) Y C X；或在方程窗口中点击Estimate\Option按钮，并在权数变量栏里依次输入W1 回归结果如下图3-7所示： 图3-7 E. 对回归方程在进行White 检验，观察异方差的调整情况 实验 序列相关的检验与修正 实验目的 1、理解序列相关的含义后果、 2、学会序列相关的检验与消除方法 实验内容 存款余额Y GDP指数X 年份