异方差 实验二.docVIP

异方差问题 实验目的 熟练使用EViews软件进行计量分析，理解异方差的检验和估计的基本方法。 基本知识点： 异方差的基本概念，异方差的后果，检验异方差是否村存在的基本方法，异方差的修正——加权最小二乘法。 实验内容及要求： 依据经济学理论，以实际数据（实验数据三）为基础，建立经济数学模型，分析经济变量之间的数量关系。以本章所学内容，分别建立平均每人月可支配收入（DAY）对平均每人月总收入（AY），外商直接投资（FDI）对人均地区生产总值（Y）的一元回归模型，根据帕克检验、怀特检验分别检验各回规模型是否存在异方差。若存在异方差，估计异方差模式。根据估计的异方差模式，利用加权最小二乘法估计模型。对利用加权最小二乘法估计得到的模型，根据帕克检验、Glejser检验、怀特检验判别是否存在异方差。对建立在同样数据、基于不同异方差模式、不同估计方法得到的不同模型进行分析比较。 实验指导： 根据实验数据三分析2009年中国各地区城镇居民平均每人全年家庭可支配收入（X）及交通和通讯支出（Y）的关系，来预测随着人们收入的增加，对交通及通讯的需求。（数据来源于：《中国统计年鉴2009》）。 由数据可以看出，随着人均家庭可支配收入的增加，人均交通和通讯的支出也在增加，而且增加的速度加快。如果做城镇居民平均每人全年家庭交通和通讯支出与可支配收入的回归，很难保证同方差假定，原因在于不同收入水平家庭的边际交通和通讯支出倾向不同，而且这种边际消费倾向也受本地区经济发达程度的影响。例如：北京人均家庭可支配收入26738.48元/年，人均家庭交通和通讯支出为2767.85元/年；内蒙古人均家庭可支配收入15849.19元/年，人均家庭交通和通讯支出为1557.03元/年。 STEP1：用普通最小二乘法（OLS）估计参数 设模型为，运用Eviews软件 首先建立工作文件，输入样本数据，然后在“Quick”菜单中选中“Estimate Equation” 项，在OLS对话框中键入Y C X，点击OK，或键入命令：LS Y C X，即得结果。见图4.4.1。 回归结果如下： SE （182.6217） （0.010855） t （-4.980125） （13.86312） R2=0.868889 DW=2.025441 F=192.1861 图4.4.1回归结果 STEP2：异方差检验 图示检验法：利用X-Y散点图进行判断，在EViews主菜单中选择“Quick”菜单 中“Graph”项下的“Scatter”,在对话框里键入XY，点击OK或键入命令：SCAT X Y，可得X与Y的散点图见图4.4.2。 图4.4.2 散点图 图4.4.2说明，平均而言，城镇居民平均每人全年家庭交通和通讯支出随可支配收入的增加而增加。但是，随着城镇居民人均年可支配收入的增加，交通和通讯支出的变动幅度在增大，可能存在异方差。利用回归方程中得到的残差平方对各观测值作图见图4.4.3，也表明可能存在异方差。 图4.4.3 残差平方与X散点图 ② 帕克检验 从原始回归方程中得到残差，求其平方，再取其对数形式对原始模型中的解释变量X对数做回归。即估计回归方程： 检验零假设B2=0，即不存在异方差。如果和之间统计显著的，则拒绝零假设：不存在异方差，接受备择假设：存在异方差。如果和之间不是统计显著，则接受零假设：不存在异方差，拒绝备择假设：存在异方差。回归结果见图4.4.4。 图4.4.4 帕克检验 回归结果如下： SE (14.59746) (1.509293) t （-1.433473） （2.100845） 根据小概率P值判断，在显著水平5%下，则估计斜率系数（B2）统计显著，则拒绝零假设：不存在异方差，接受备择假设：存在异方差。或查找临界值t0.025（29）=2.045比较。 ③ Glejser检验 从原始回归方程中得到残差，取其绝对值对原始模型中的解释变量X做回归。即估计回归方程：形式一： 形式二： 形式三： 检验零假设B2=0，即不存在异方差。如果和之间统计显著的，则拒绝零假设：不存在异方差，接受备择假设：存在异方差。如果和之间不是统计显著，则接受零假设：不存在异方差，拒绝备择假设：存在异方差。 ④ 怀特检验 用普通最小二乘法估计回归方程，获得残差ei，做怀特检验。在EViews软件的主菜单点击：Views\residual Tests\White Heterroskedasticity，可选择在辅助回归模型中是否包含交叉乘积项（Cross terms）,本例为一元回归模型，辅助回归模型中只有X和X2两项，不存在交叉乘积项，如图4.4.5。 图4.4.5 W