异方差的诊断及修正.doc

异方差的诊断与修正 —甘子君 经济1202班 1205060432 异方差的概念： 异方差性（heteroscedasticity ）是相对于同方差而言的。所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，即：随机误差项具有不同的方差，则称线性回归模型存在异方差性。i（i=1，2，…，n）都有 也就是说具有同方差性。这里的方差度量的是随机误差项围绕其均值的分散程度。由于，所以等价地说，方差度量的是被解释变量Y的观测值围绕回归线=的分散程度，同方差性实际指的是相对于回归线被解释变量所有观测值的分散程度相同。 设模型为 如果其它假定均不变，但模型中随机误差项的方差为 则称具有异方差性。也称为方差非齐性。 二、内容 根据1998年我国重要制造业的销售利润与销售收入数据，运用EV软件，做回归分析，用图示法，White检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。 三、过程：（实践过程、实践所有参数与指标、理论依据说明等） 模型设定 为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为： =++ 其中，表示销售利润，表示销售收入。由1998年我国重要制造业的销售收入与销售利润的数据，如图1： 1988年我国重要制造业销售收入与销售利润的数据 （单位：亿元） 行业名称 销售利润Y 销售收入X 食品加工业 187.25 3180.44 食品制造业 111.42 1119.88 饮料制造业 205.42 1489.89 烟草加工业 183.87 1328.59 纺织业 316.79 3862.9 服装制造业 157.7 1779.1 皮革羽绒制品 81.73 1081.77 木材加工业 35.67 443.74 家具制造业 31.06 226.78 造纸及纸制品 134.4 1124.94 印刷业 90.12 499.83 文教体育用品 54.4 504.44 石油加工业 194.45 2363.8 化学原料制品 502.61 4195.22 医药制造业 238.71 1264.1 化学纤维制造 81.57 779.46 橡胶制品业 77.84 692.08 塑料制品业 144.34 1345 非金属矿制业 339.26 2866.14 黑色金属冶炼 367.47 3868.28 有色金属冶炼 144.29 1535.16 金属制品业 201.42 1948.12 普通机械制造 354.69 2351.68 专用设备制造 238.16 1714.73 交通运输设备 511.94 4011.53 电子机械制造 409.83 3286.15 电子通信设备 508.15 4499.19 仪器仪表设备 72.46 663.68 参数估计 1、双击“Eviews”，进入主页。输入数据：点击主菜单中的File/Open /EV Workfile—excel—异方差数据.xlsx ； 2、在EV主页界面的窗口，object-new object,输入“y c x”，按“Enter”。出现OLS回归结果,如图2： 估计样本回归函数 Dependent Variable: Y Method: Least Squares Date: 12/18/14 Time: 22:10 Sample: 1 28 Included observations: 28 Variable Coefficient Std. Error t-Statistic Prob.?? C 12.03564 19.51779 0.616650 0.5428 X 0.104393 0.008441 12.36670 0.0000 R-squared 0.854696 ????Mean dependent var 213.4650 Adjusted R-squared 0.849107 ????S.D. dependent var 146.4895 S.E. of regression 56.90368 ????Akaike info criterion 10.98935 Sum squared resid 84188.74 ????Schwarz criterion 11.08450 Log likelihood -151.8508 ????Hannan-Quinn criter