《实验一异方差的检验与修正》由会员分享，可在线阅读，更多相关《实验一异方差的检验与修正（12页珍藏版）》请在金锄头文库上搜索。
1、实验 异方差的检验与修正实验目的1、理解异方差的含义后果、2、学会异方差的检验与加权最小二乘法实验内容一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作 步骤与方法同前），得到残差序列。表2 列出了 1998 年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件 Eviews 建立我国制造业利润函数模型。表 2 我国制造工业 1998 年销售利润与销售收入情况行业名称销售利润销售收入行业名称销售利润销售收入食品加工业187.253180.44医药制造业238.711264.1食品制造业111.421119.88化学纤维制品81.57779.46饮料制造业205.4
2、21489.89橡胶制品业77.84692.08烟草加工业183.871328.59塑料制品业144.341345纺织业316.793862.9非金属矿制品339.262866.14服装制品业157.71779.1黑色金属冶炼367.473868.28皮革羽绒制品81.71081.77有色金属冶炼144.291535.16木材加工业35.67443.74金属制品业201.421948.12家具制造业31.06226.78普通机械制造354.692351.68造纸及纸品业134.41124.94专用设备制造238.161714.73印刷业90.12499.83交通运输设备511.944011.5
3、3文教体育用品54.4504.44电子机械制造409.833286.15石油加工业194.452363.8电子通讯设备508.154499.19化学原料纸品502.614195.22仪器仪表设备72.46663.68二、异方差的检验1、图形分析检验观察销售利润（Y）与销售收入（X）的相关图（图3-1）： SCAT X Y从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，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。 残差分析首先将数据排序（命令格式为：SORT解释变量），然后建立回归方程。在方程 窗口中点击 Resids 按钮就可以得到模型的残差分布图（或建立方程后
4、在 Eviews 工作 文件窗口中点击 resid 对象来观察）。2、Goldfeld-Quant 检验将样本安解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合 19到28共10个样本）利用样本 1 建立回归模型 1（回归结果如图 3-3），其残差平方和为 2579.587。SMPL 110LS Y C X69.67。UEVievs - Equation： UBTITLED Torkfile： UBTITLEDFile Edit Objects View Frocs Quick Op.tions Window HelpYi ew|Fro|ObjEctz| Frin11ll
5、amE|Freere| Emtimat.e|FoiEca2t.|St.a.t2|E.E2idDependent Variable: YMethod: Least SquaresDate: 01/15/05 Time: 20:52Sample: 19 28Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-11.99687130.6642-0.0865170.9332X0.1105520.0393672.0082090.0229R-squaredAdjusted R-squared2回回擺果豐:T计算F统
6、计量踹Log likelihood型1和模型2的残差平方和。、呈.E. of regression89计量乖RSSRss 1厨-57.99162 F-statistic2.489267 Prob(F-statistic)369.2440118.617511.99832 mi 曰+甘 R$S.f和RSS分力别疋模7.806037 20.022906取 a = 0.05 时，查 F 分布表得 F (10 - 1 - 1,10 - 1 - 1) = 3.44 , 而0.05F = 24.72 F = 3.44，所以存在异方差性0.053、White 检验建立回归模型：LS Y C X,回归结果如图3
7、-5。lEViews - Equation： U1TITLED Torkfile： U1TITLEDI I File Edi t Obj ects Vi ew Frees ui ck Opt让口宜 Window HelpVi ewIFrocsIUbjFr i nt I N：=uTie 1 Freeze I E e t i m a | F or e c as t | St宜tw I Re si dsDependent Variable: YMethod: Least SquaresDate: 01/15/05 Time: 21:05Sample: 1 28Included observation
8、s: 28VariableCoefficientStd. Errort-StatisticProb.C12.0334919.518090.6165300.5429X0.1043940.00844212.366580.0000图3-5我213.4639146.49053-6。R-squared 匚Adjusted R-scfuared在方程窗口上点击 ViewResidUaiTeStWhite HfeteToskedastCity?检 验结果如图Sum squared resid84191.34 Schwarz criterion11.08453图 3-6 White 检验结果Log likel
9、ihood-151.8513 F-statistic152.9322其中F值为辅助回归模型的F统计量值。取显著水平a = 0.05 ,由于X 2 (2) = 5.99 nR 2 = 6.2704，所以存在异方差性。实际应用中可以直接观察相伴概0.05率 p 值的大小，若 p 值较小，则认为存在异方差性。反之，则认为不存在异方差性。4、斯皮尔曼等级相关系数检验其操作步骤为：A. 对X排序：命令行输入SORT XB. 输入X的等级：data di (依次输入1-n的自然数)；C. 对残差绝对值排序：命令行输入 SORT abs(resid)；D. 输入残差绝对值的等级：data d2(依次输入1-
10、n的自然数)；E. 依据公式计算等级相关系数检验统计量，并查表得出结论。5、异方差的消除加权最小二乘法 加权最小二乘法中，最重要的是确定权重的确定，一般而言，采用残差绝对值的倒数作为权重，也可以采用其他形式。A. 首先，用SMPL命令设定样本的区间(包括所有观测值)，女如SMPL 1 31B. 进行最小二乘回归，得到残差序列， LS Y C XC. 根据残差确定权重， GENR W1=1/ABS(RESID)D.进行加权最小二乘估计，LS(W=W1) Y C X ；或在方程窗口中点击FrintI Name I Freeze I EstimateIForecastEtatsI Resi dsEs
11、timateOption 按钮，并在权数变量栏里依次输入 W1 回归结果如下图 3-7所示：Vi ew I Fr o c s I Ubj eatsDependent Variable: YMethod: Least SquaresDate: 01/15/05 Time: 22:49Sample: 1 28Included observations: 28Weighting series: VABS(RESID)VariableCoefficientStd. Errort-StatisticProb.C4.16893337797551.1029640.2801X0.1094080.0035333
12、0.966530.0000图 3-7E. 对回归方程在进行 White 检验，观察异方差的调整情况实验四 序列相关的检验与修正实验目的1、理解序列相关的含义后果、2、学会序列相关的检验与消除方法实验内容利用下表资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。表3我国城乡居民储蓄存款与GDP统计资料（1978年=100）年份存款余额YGDP指数1978210.60100.01979281.00107.61980399.50116.01981523.70122.11982675.40133.11983892.50147.619841214.70170.019851622.60192.9
13、19862237.60210.019873073.30234.019883801.50260.7年份存款余额YGDP指数19895146.90271.319907034.20281.719919107.00307.6199211545.40351.4199314762.39398.8199421518.80449.3199529662.25496.5199638520.84544.1199746279.80592.0199853407.47638.2一、模型的估计0、准备工作。建立工作文件，并输入数据1、相关图分析SCAT X Y相关图表明，GDP指数与居民储蓄存款二者的曲线相关关系较为明显。
14、现将函数初步设定为线性、双对数等不同形式，进而加以比较分析。2、估计模型，利用 LS 命令分别建立以下模型线性模型： LS Y C X14984 .84 + 92.5075 xt = (6.706) (13.862)R 2 =0.9100F=192.145 S.E = 5030.809双对数模型：GENRLNY二LOG(Y)GENR LNX=LOG(X)LS LNY C LNXIn y = -8.0753 + 2.9588 In xt = (-31.604) (64.189)R2=0.9954 F=4120.223S.E=0.12213、选择模型比较以上模型，可见各模型回归系数的符号及数值较为合理。各解释变量及 常数项都通过了
