回归模型的OLS估计及异方差的检验与修正教程.docxVIP

实验1 回归模型的OLS估计及异方差的检验与修正 实验内容及要求： 表1列出了2000年中国部分省市城镇居民每个家庭平均全年可支配收入x与消费性支出y的统计数据。 （1）利用OLS法建立人均消费支出与可支配收入的线性模型。 （2）检验模型是否存在异方差。 （3）如果存在异方差，试采用适当的方法加以消除。 表1 2000年中国部分省市城镇居民人均可支配收入与消费性支出(单位：元) 地区可支配收入x消费性支出y 北 京 10349.698493.49 天 津 8140.506121.04 河 北 5661.164348.47 山 西 4724.113941.87 内蒙古 5129.053927.75 辽 宁 5357.794356.06 吉 林 4810.004020.87 黑龙江 4912.883824.44 上 海 11718.018868.19 江 苏 6800.235323.18 浙 江 9279.167020.22 山 东 6489.975022.00 河 南 4766.263830.71 湖 北 5524.544644.50 湖 南 6218.735218.79 广 东 9761.578016.91 陕 西 5124.244276.67 甘 肃 4916.254126.47 青 海 5169.964185.73 新 疆 5644.864422.93 实验如下： 1、通过Y-X的散点图判断，并不存在异方差。 回归结果分析： 图1 人均消费支出与可支配收入的线性模型： Y =272.3635 + 0.755125X t =(1.705713) (32.38690) R2=0.983129 D.W.=1.301563 F=1048.912 残差分析： 图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-Quandt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 8共8个样本合 13 到 20 共 8个样本） ⑵利用样本 1 建立回归模型 1（回归结果如图 3） ，其残差平方和为 126528.3 Smpl 1 8 LS Y C X 图3 ⑶利用样本 2 建立回归模型 2（回归结果如图 4） ，其残差平方和为615472.0。 图4 ⑷计算 F 统计量： RSS2/RSS1＝615472.0/126528.3=4.864， RSS2、RSS1分别是模型 1 和模型 2 的残差平方和。 取α=0.05时 ， 查 F分布 表 得 F0.05(8-1-1,8-1-1)=4.28，而实际上F=4.864F0.05=4.28 ，所以存在异方差。 3，White检验 ⑴建立回归模型：LS Y C X，回归结果如图 5 图5 ⑵在方程窗口上点击White Heteroskedastcity,检验结果如图 6。 图6 由图6中的数据，得到 e2=-180998.9+49.42846X-0.002115X2 t= (-1.751858) (1.708006) (-1.144742) R2=0.632606 White统计量，该值大于5%显著性水平下自由度为2的分布的相应临界值，(在估计模型中含有两个解释变量，所以自由度为2)因此拒绝同方差性的原假设。 4、Glejser检验 ⑴建立回归模型（结果同图 5 所示） 。 ⑵生成新变量序列：GENR E=ABS(RESID) ⑶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7、 8、9、10、11、12 所示。 图7 图8 图9 图10 图11 图12 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。 ⑷由 F 值或R2 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，图 12所示的回 归方程 F 值（R2 ）最大，可以据此来确定异方差的形式。 3.异方差的修正 （1）WLS估计法 运用OLS方法估计过程中，我们选用权数 。权数生成过程如下，在图1回归的情况下，在工作文件中点击Quick\Generate Series…，在弹出的窗口中，在Enter equation处输入w=1/@abs(resid). 在工作文件中点击Quick\Estimate Equati