第四章-异方差检验的eviews操作.docxVIP

第四章-异方差检验的eviews操作 第四章-异方差检验的eviews操作 PAGE 第四章-异方差检验的eviews操作 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 图 估计结果为： Ln R2= .= F= RSS= 括号内为t统计量值。 二、检验模型的异方差 （一）图形法 （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 （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直接在命令栏里输入“sort x2”（默认为升序），再按Enter。 （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 （3）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==。 （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）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： e 10.24- R2= 由表结果得到：怀特统计量nR2=31×=，查χ2分布表得到在5%的显著性水平下，自由度为5的χ2分布的临界值为χ=，因为nR2=χ=，所以拒绝同方差的原假设。 ②由表的估计结果，按路径view/residual tests/