第四章-异方差检验的eviews操作.docVIP

第四章 异方差性 例一、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： 表 估计结果为： 图 Ln?Y = 3.266 + 0.1502LnX1+ 0.4775LnX2 2括号内为 t 统计量值。 2 二、检验模型的异方差 （一）图形法 R= .= F= RSS= （1）生成残差平方序列。 ①在 Workfile 的对话框中，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。 ②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。 ③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。 图 由图可以看出，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 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直接在命令栏里输入“ sort x2 ”（默认为升序），再按 Enter 。 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 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。 表 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。 表 求 F 统计量值。 基于表和表中残差平方和 RSS的数据，即 Sum squared resid 的值，得到 RSS1=和 RSS2=，根据 Goldfeld-Quanadt 检验， F 统计量为： F= RSS2/ RSS1==。 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 ）的 F 分布的临界值分别为 =与=。因为 F= (9,9)= ，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=(9,9)= ，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 ① 由 表 的 估 计 结 果 ， 按 路 径 view/residual tests/white heteroskedasticity(cross terms) ，进入 White 检验，其中 cross terms 表示有交叉乘积项。得到表的结果。 表 辅助回归结果为： e2 = 10.24 - 2.33LnX1- 0.46LnX2+ 0.15(LnX1) 2 +