views的异方差检验.pptVIP

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11所示的回归方程F值（ ）最大，可以据此来确定异方差的形式。 * 二、运用加权最小二乘法消除异方差 权数采用 ，如果仍然存在异方差，可以尝 试其他权数 在命令窗口输入 genr w1=1/abs(resid) 回车 然后输入 LS（W=W1） Y C X 得到以下方程 * * 在方程窗口点View\Residual Test\White Heteroskedastcity(no cross terms), 进行White检验，发现异方差已经消除。如下图 * * 三、在回归之前，对原序列均取对数，然后对对数序列进行回归，有时能消除异方差 * 异方差的处理 * 地区 农业总产值（亿元） 农作物播种面积（千公顷） 地区 农业总产值（亿元） 农作物播种面积（千公顷） 北 京 115.48 295.01 湖 北 1152.09 7030.01 天 津 117.60 433.95 湖 南 1243.15 7390.71 河 北 1639.07 8652.70 广 东 1328.70 4363.05 山 西 322.65 3653.15 广 西 970.55 5594.40 内蒙古 620.42 6761.47 海 南 224.17 754.32 辽 宁 837.50 3703.88 重 庆 401.48 3134.66 吉 林 641.50 4943.99 四 川 1316.60 9278.24 黑龙江 971.94 11898.48 贵 州 392.20 4464.53 上 海 126.74 390.66 云 南 683.80 5801.86 江 苏 1542.53 7407.73 西 藏 39.49 232.92 浙 江 735.92 2462.82 陕 西 629.34 4044.74 安 徽 1054.01 8853.90 甘 肃 458.73 3759.00 福 建 685.30 2191.18 青 海 49.16 516.68 江 西 621.26 5245.13 宁 夏 111.12 1189.83 山 东 2604.07 10724.40 新 疆 767.00 4202.63 河 南 2254.52 14087.84 　 　 　 * 一、检验异方差性 ⒈图形分析检验 （1）观察农业总产值（Y）与农作物播种面积（X）的散点图：在命令窗口输入 SCAT X Y；或者把X、Y以数据组（Group）的形式打开，然后点击View/Graph/Scatter，如图1所示。得到散点图，见图2。 图1 * 图2 * 从图2中可以看出，随着农作物播种面积的增加，农业总产值不断提高，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 X；或打开X的数据表格，点击Sort按钮），然后建立回归方程。 在命令窗口输入 genr e2=resid^2 然后以组的形式把X和e2打开，做散点图（在组窗口中点View/Graph/Scatter/Simple Scatter,如下图（图3） * 图 3 * ⒉Goldfeld-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12共12个数据（子样本1），20到31共12个数据（子样本2）） ⑵利用子样本1建立回归模型1（回归结果如图4），其残差平方和为351515.9。 SMPL 1 12 LS Y C X * 图4 * ⑶利用样本2建立回归模型2（回归结果如图5），其 残差平方和为2265858。 SMPL 20 31 LS Y C X 图5 * ⑷计算F统计量： RSS1 和RSS2分别是模型1和模型2的残差平方和。 取 ，所以存在异方差性。 ⒊White检验 ⑴建立回归模型：LS Y C X，回归结果如图6。 * 图6 * ⑵在方程窗口上点击View\Residual Test\ Whit