- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第5章 异方差
2.已知我国29个省、直辖市、自治区1994年城镇居民人均生活消费支出Y,可支配收入X的截面数据见下表。
(1)用等级相关系数和戈德菲尔特—夸特方法检验支出模型的扰动项是否存在异方差性。支出模型是
Yi=β0+β1Xi+ui
(2)无论{ui}是否存在异方差性,用Eviews练习加权最小二乘法估计模型,并用模型进行预测
Estimation Command:
=========================
LS Y X C
Estimation Equation:
=========================
Y = C(1)*X + C(2)
Substituted Coefficients:
=========================
Y = 0.795570022046*X + 58.3179065412
3、简述夸特检验步骤。
答:步骤如下:(1)将观测值按递增的误差方差排列,由于假定的是递增型的异方差,所以可以解释变量Xt的值按升序排列。
(2)任意选择C个中间观测值略去。经验表明,略去数目C的大小,大约相当于样本观测值个数的1/4。剩下的T-C个样本观测值平均分成两组,每组样本观测值的个数为(T-C)/2。
(3)计算两个回归,一个使用前(T-C)/2个观测值,另一个使用后(T-C)/2个观测值。并分别计算两个残差平方和,由前面的样本回归产生的残差平方和为∑et1^2,后面样本产生的残差平方和为∑et2^2,则X1^2=∑et1^2~χ^2((T-C)/2-k-1),X2^2=∑et2^2~χ^2((T-C)/2-k-1),其中k为计量模型中解释变量的个数。
(4)构造F统计量。
F={X2^2/(((T-C)/2)-k-1)}/{X1^2/(((T-C)/2)-k-1)= ∑et2^2/∑et1^2
则在H0成立条件下,F~F(v1,v2),其中v1=v2=((T-C)/2)-k-1。如果模型中不存在异方差,则∑et2^2与∑et1^2应大致相等,此时F的值应接近于1;如果存在异方差性,F的值应远远大于1 。
(5)给定显著性水平α,查F的分布表可得临界值Fα(v1,v2),若用样本计算的FFα,则备择假设H1成立,说明计算模型存在异方差性,否则模型不存在异方差。
4、简述White检验的步骤。
答:检验步骤:(1)用OLS方法估计原回归模型,得到残差平方序列ut^2.
(2)构造辅助回归模型
Ut1^2=f(xt1,xt2,……xtk,xt1^2,……,xtk^2,xt1,xt2,……,xt(k-1)xtk),
其中f(.)是含常数项的线性函数。用OLS方法估计此模型得到R^2。
(3)给定显著性水平α,计算WT(g)=TR^2,与临界值χα^2进行比较以确定是否接受原假设,进而确定原回归模型是否存在异方差。
自相关
2、DW统计量的取值范围是多少?
答:DW=2(1-ρ) 因为ρ的取值范围是[-1,1],所以DW统计量的取值范围是[0,4]。
3、已知某行业的年销售额(Xt,万元)以及该行业内某公司年销售额(Yt,万元)数据如下表。
(1)以Xt为解释变量,Yt为被解释变量,建立一元线性回归模型。
(2)观察残差图。
(3)计算DW统计量的值。
(4)用差分法和广义差分法建立模型,消除自相关。
答:
(1)
Dependent Variable: SER01
Method: Least Squares
Date: 11/13/12 Time: 19:
Sample: 1975 1994
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.??
SER02
0.175740
0.001539
114.2003
0.0000
C
-1.368397
0.228051
-6.000411
0.0000
R-squared
0.998622
????Mean dependent var
24.56900
Adjusted R-squared
0.998545
????S.D. dependent var
2.410396
S.E. of regression
0.091939
????Akaike info criterion
-1.840749
Sum squared resid
0.152149
????Schwarz criterion
-1.741176
Log likelihood
20.40749
????Hannan-Quinn criter.
-1.821311
文档评论(0)