spss中的权数消除方法.docxVIP

spss中的权数消除方法 一、 加权最小二乘法估计 古典线性回归模型的一个非常重要的假设是随机因素的同散性。当此假定不能满足时, 则方差在不同次的观测中不再是一个常数, 而是取得不同的数值, 即 由于经济现象是错综复杂的, 所以同方差性的假定往往不符合实际情况, 而异方差是大量存在的。如果存在异方差直接应用了OLS, 则会产生不良后果:参数估计方差偏大;显著性检验失真;预测精确度降低。异方差性消除的基本思路是将原模型加以“变换”, 使得“变换”后的模型具有同方差性。 当σi2已知或者可以估计出来的情况, 可利用加权最小二乘法 (WLS) 消除异方差。当选择的权数为时, 加权最小二乘法的实质是用方差σi2的平方根σi对原模型进行变换。 在实际应用WLS时, 也经常使用自变量的幂函数的倒数形式作为权数对原模型进行加权: 但究竟m取何值合适, 需要通过估计。SPSS提供了权数估计的功能。运行SPSS, 依次点击Analyze→Regression→Weight Estimate, 打开对话框, 指定因变量和自变量, 将选入Weight变量框。系统默认的取值, 是从-2到2, 每隔0.5取一值。当然用户也可以自己定义取值的范围和间隔。系统对这些取值逐一代入, 计算其对数似然函数。最大的对数似然函数对应的取值即为最优权数。 例如, 表1是储蓄与收入的样本观测值, 试进行异方差性分析并建立储蓄关于收入的线性回归模型。 对于本例SPSS的主要输出结果如下: 从上述输出结果可见, 最后选中的取值为2 (因为其对应着最大的对数似然函数值-209.972023) , 所以, 权数为: 从输出结果看, 还原后的加权最小二乘法的估计结果为: 二、 使用eview进行离散度分析 但我们认为, 能够消除异方差的权数形式才是最优权数。 现以表1资料为例, 说明一下利用Eviews软件进行异方差性分析的步骤。 1、 参数估计 在命令栏键入:Ls y c x回车, 得到回归结果如输出结果2所示。 2、 residph4./自然正义规则 (1) White (怀特) 检验 在方程窗口, 点击View→Residual Test→White Heteroskedasticity (no cross terms) 。得到如下结果 (如输出结果4所示) : 3、 /x.2结论及检验结果 (1) WLS估计法。在方程窗口, 单击Estimate→Option, 在权数对话框里输入权数x、或1/x^2或1/x或x^2, 点击OK, 得出输出结果 (部分输出结果如输出结果4所示) 。 (2) 进行怀特检验 由以上检验结果知:权数为1/x时, 异方差消除。而权数为1/x^2时, 异方差性并未消除。 消除异方差后的回归方程为: 则称随机项ui具有异方差性。 分别进行怀特检验的结果如下 (输出结果5所示) :