异方差eviews操作2.docxVIP

第四章异方差性一、参数估计进入Eviews软件包，确定时间范围，编辑输入数据；选择估计方程菜单：(1)在Workfile对话框中，由路径：Quick/Estimate?Equation，进入Equation?Specification对话框，键入“log(y)?c?log(x1)?log(x2)”，确认ok，得到样本回归估计结果；(2)直接在命令栏里输入“ls?log(y)?c?log(x1)?log(x2)”，按Enter,得到样本回归估计结果；(3)在Group的当前窗口，由路径：Procs/Make?Equation，进入Equation?Specification窗口，键入“log(y)?c?log(x1)?log(x2)”，确认ok，得到样本回归估计结果。如表4.1：表4.1二、检验模型的异方差性（一）图形法（1）生成残差平方序列1.在workfile 对话框中，由路径procs/generate series，进入Generate?Series?by?Equation对话框，键入“e2=resid^2”，生成残差平方项序列e2；②?直接在命令栏里输入“genr?e2=resid^2”，按Enter,得到残差平方项序列e2。（2）绘制散点图①直接在命令框里输入“scat?log(x2)?e2”，按Enter，可得散点图4.2②选择变量名log(x2)与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），再按路径view/graph/scatter/simple?scatter?，可得散点图4.2③由路径quick/graph进入series?list窗口，输入“log(x2)?e2”，确认并ok，再在弹出的graph窗口把line?graph换成scatter?diagram，再点ok，可得散点图4.2。由图4.2可以看出，残差平方项e2对解释变量log(X2)的散点图主要分布图形中的下三角部分，大致看出残差平方项e2随log(X2)的变动呈增大的趋势，因此，模型很可能存在异方差。但是否确实存在异方差还应通过更进一步的检验。（二）Goldfeld-Quanadt检验?（原假设：具有同方差，服从F分布）（1）对变量取值排序（按递增或递减）。?①在Workfile窗口中，由路径：Procs/Sort?Series进入sort?workfile?series对话框，键入“X2”，如果以递增型排序，选Ascending，如果以递减型排序，则应选Descending，点ok。本例选递增型排序，选Ascending。②将数据按组打开，鼠标右键，选择sort（2）构造子样本区间，建立回归模型在本例中，样本容量n=31，删除中间1/4的观测值，即大约7个观测值，余下部分平分得两个样本区间：1-12和20-31，它们的样本个数均是12个。?在workfile 的Sample菜单里，把sample值改为“1?12”再用OLS方法进行第一个子样本回归估计，估计结果如表4.2。同样地，在Sample菜单里，把sample值改为“20?31”再用OLS方法进行第二个子样本回归估计，估计结果如表4.3。（3）求F统计量值基于表4.2和表4.3中残差平方和RSS的数据，即Sum?squared?resid的值，得到RSS1=0.0702和RSS2=0.1912，根据Goldfeld-Quanadt检验，F统计量为：?F=?RSS2/?RSS1=0.1912/0.0702=2.73。（4）判断?在5%与10%的显著性水平下，查F分布表得：自由度为（9,9）（即n-k-1,其中，k为解释变量个数）的F分布的临界值分别为F0.05=3.18与F0.10=2.44。因为F=2.73?F0.05(9,9)=3.18，因此5%显著性水平下不拒绝两组子样方差相同的假设，但F=2.73?F0.10(9,9)=2.44，因此10%显著性水平下拒绝两组子样方差相同的假设，即存在异方差。（三）White检验?（原假设：具有同方差，服从卡方分布）①在equation01中，按路径view/residual?tests/?heteroskedasticity test(cross?terms)/white进入White检验，其中cross?terms表示有交叉乘积项。得到表4.4的结果。由表4.4结果得到：怀特统计量nR2=31×0.6629=20.55，查χ2分布表得到在5%的显著性水平下，自由度为5（辅助回归式中待估参数个数）的χ2分布的临界值为χ20.05=11.07，因为nR2=20.55χ20.05=11.07，所以拒绝同方差的原假设。（辅助回归式为残差平方和对解释变量及其高次方项进行回归，有时有交叉项，当解释变量较多时可省去交叉项。）