异方差性检验及处理方法.docxVIP

实验四 异方差性 【实验目的】 掌握异方差性的查验及办理方法 【实验内容】 成立并查验我国制造业收益函数模型 【实验步骤】 【例 1】表 1 列出了 1998 年我国主要制造工业销售收入与销售收益的统计资料，请利用统计软件 Eviews 成立我国制造业收益函数模型。 表 1 我国制造工业 1998 年销售收益与销售收入状况 行业名称 销售收益 销售收入 行业名称 销售收益 销售收入 食品加工业 187.25 3180.44 医药制造业 238.71 1264.1 食品制造业 111.42 1119.88 化学纤维制品 81.57 779.46 饮料制造业 205.42 1489.89 橡胶制品业 77.84 692.08 烟草加工业 183.87 1328.59 塑料制品业 144.34 1345 纺织业 316.79 3862.9 非金属矿制品 339.26 2866.14 服饰制品业 157.7 1779.1 黑色金属冶炼 367.47 3868.28 皮革羽绒制品 81.7 1081.77 有色金属冶炼 144.29 1535.16 木材加工业 35.67 443.74 金属制品业 201.42 1948.12 家具制造业 31.06 226.78 一般机械制造 354.69 2351.68 造纸及纸品业 134.4 1124.94 专用设施制造 238.16 1714.73 印刷业 90.12 499.83 交通运输设施 511.94 4011.53 文教体育用品 54.4 504.44 电子机械制造 409.83 3286.15 石油加工业 194.45 2363.8 电子通信设施 508.15 4499.19 化学原料纸品 502.61 4195.22 仪器仪表设施 72.46 663.68 一、查验异方差性 ⒈图形剖析查验 ⑴察看销售收益（ Y）与销售收入（ X ）的有关图 (图 1)： SCAT X Y 图 1 我国制造工业销售收益与销售收入有关图 从图中能够看出， 跟着销售收入的增添， 销售收益的均匀水平不停提升， 但失散程度也逐渐扩大。这说明变量之间可能存在递加的异方差性。 1 ⑵残差剖析 第一将数据排序（命令格式为： SORT 解说变量），而后成立回归方程。在方程窗口中 点击 Resids 按钮就能够获得模型的残差散布图（或成立方程后在 Eviews 工作文件窗口中点 击 resid 对象来察看） 。 2 我国制造业销售收益回归模型残差散布 2 显示回归方程的残差散布有显然的扩大趋向，即表示存在异方差性。 Goldfeld-Quant 查验 ⑴将样本按解说变量排序（ SORT X ）并分红两部分（分别有 1 到 10 共 11 个样本合 19 到 28 共 10 个样本） ⑵利用样本 1 成立回归模型 1（回归纳果如图 3），其残差平方和为 2579.587。 SMPL 1 10 LS Y C X 图 3 样本 1 回归纳果 ⑶利用样本 2 成立回归模型 2（回归纳果如图 4），其残差平方和为 63769.67。 SMPL 19 28 LS Y C X 2 图 4 样本 2 回归纳果 ⑷计算 F 统计量： F RSS2 / RSS1 ＝ 63769.67/2579.59=24.72 ， RSS1和 RSS2 分别是模型 1 和模型 2 的残差平方和。 取 0.05 时 ， 查 F 分 布 表 得 F0.05 (10 1 1,10 1 1) 3.44 ， 而 F 24.72 F0. 05 3.44 ，因此存在异方差性 White 查验 ⑴成立回归模型： LS Y C X ，回归纳果如图 5。 图 5 我国制造业销售收益回归模型 ⑵在方程窗口上点击 View\Residual\Test\White Heteroskedastcity, 查验结果如图 6。 图 6 White 查验结果 3 其 中 F 值 为 辅 助 回 归 模 型 的 F 统 计 量 值 。 取 显 著 水 平 0.05 ， 由 于 02.05 (2) 5.99 nR2 6.2704 ,因此存在异方差性。实质应用中能够直接察看相伴概率 p 值的大小，若 p 值较小，则以为存在异方差性。反之，则以为不存在异方差性。 ⒋Park 查验 ⑴成立回归模型（结果同图 5 所示）。 ⑵生成新变量序列： GENR LNE2=log(RESID^2) GENR LNX=logx ⑶成立新残差序列对解说变量的回归模型： LS LNE2 C LNX ，回归纳果如图 7 所示。 图 7 Park 查验回归模型 从图 7 所示的回归纳果中能够看出， LNX 的系数预计值不为 0 且能经过明显性查验， 即随即偏差