eviews的异方差检验内容.pptxVIP

异方差的处理;地区;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）） ???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;⑷计算F统计量：; 图6 ;⑵在方程窗口上点击View\Residual Test\ White Heteroskedastcity(no cross terms),检验结果如图7。;直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。 ⒋Park检验 ⑴建立回归模型（结果同图6所示）。 ⑵生成新变量序列：GENR LNE2=log(RESID^2) GENR LNX=log（X） ⑶建立新残差序列对解释变量的回归模型：LS LNE2 C LNX，回归结果如图8所示。; 图8 ;从图8所示的回归结果中可以看出，LNX的系数估计值不为0且能通过显著性检验，即随即误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。 ⒌Gleiser检验（Gleiser检验与Park检验原理相同） ⑴建立回归模型（结果同图6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9、10、11、12、13、14所示。; 图9; 图10 ; 图11; 图12 ; 图13 ;图14 ;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;;PPT模板下载：/moban/ 行业PPT模板：/hangye/ 节日PPT模板：/jieri/ PPT素材下载：/sucai/ PPT背景图片：/beijing/ PPT图表下载：/tubiao/ 优秀PPT下载：/xiazai/ PPT教程： /powerpoint/ Word教程： /word/ Excel教程：/excel/ 资料下载：/ziliao/ PPT课件下载：/kejian/ 范文下载：/fanwen/ 试卷下载：/shiti/ 教案下载：/jiaoan/ PPT论坛： ;PPT模板下载：/moban/ 行业PPT模板：/hangye/ 节日PPT模板：/jieri/ PPT素材下载：