《2021-2022年收藏的精品资料计量经济学操作实验及案例分析.doc》由会员分享，可在线阅读，更多相关《2021-2022年收藏的精品资料计量经济学操作实验及案例分析.doc（68页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、计量经济学课程实验实验一 EViews软件的基本操作【实验目的】了解EViews软件的基本操作对象，掌握软件的基本操作。【实验内容】一、EViews软件的安装；二、数据的输入、编辑与序列生成；三、图形分析与描述统计分析；四、数据文件的存贮、调用与转换。实验内容中后三步以表1-1所列出的税收收入和国内生产总值的统计资料为例进行操作。表1-1 我国税收与GDP统计资料 单位：亿元年份税收 YGDP X年份税收 YGDP X19852041896419923297266381986209110202199342553463419872140119631994512746759198823911492
2、81995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396资料来源：中国统计年鉴1999【实验步骤】一、安装EViews软件EViews对系统环境的要求一台386、486奔腾或其他芯片的计算机，运行Windows3.1、Windows9X、Windows2000、WindowsNT或WindowsXP操作系统；至少4MB内存；VGA、Super VGA显示器；鼠标、轨迹球或写字板；至少10MB以上的硬盘空间。安装步骤点击“网上邻居”，进入服务器；在服务器上查找“计量经济
3、软件”文件夹，双击其中的setup.exe，会出现如图1-1所示的安装界面，直接点击next按钮即可继续安装；指定安装EViews软件的目录（默认为C:EViews3，如图1-2所示），点击OK按钮后，一直点击next按钮即可；安装完毕之后，将EViews的启动设置成桌面快捷方式。图1-1 安装界面1图1-2 安装界面2二、数据的输入、编辑与序列生成创建工作文件菜单方式启动EViews软件之后，进入EViews主窗口（如图1-3所示）。命令窗口口菜单栏标题栏状态栏工作区域图1-3 EViews主窗口在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个
4、对话框（如图1-4所示），由用户选择数据的时间频率（frequency）、起始期和终止期。图1-4 工作文件对话框其中， Annual年度 Monthly月度Semi-annual半年 Weekly周 Quarterly季度 Daily日Undated or irregular非时序数据选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日前1985和1998。然后点击OK按钮，将在EViews软件的主显示窗口显示相应的工作文件窗口（如图1-5所示）。图1-5 工作文件窗口工作文件窗口是EViews的子窗口，工作文件一开始其中
5、就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。命令方式在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。命令格式为：CREATE 时间频率类型 起始期 终止期则以上菜单方式过程可写为：CREATE A 1985 1998输入Y、X的数据DATA命令方式在EViews软件的命令窗口键入DATA命令，命令格式为：DATA 本例中可在命令窗口键入如下命令（图1-6所示）：DATA Y X将显示一个数组窗口（图1-7所示），此时可以按全屏幕编辑方式输入每个变量的统计资料。图1-6 键入DATA命令图1-7 数组窗口鼠标
6、图形界面方式在EViews软件主窗口或工作文件窗口点击Objects/New Object，对象类型选择Series，并给定序列名，一次只能创建一个新序列（图1-8所示）。再从工作文件目录中选取并双击所创建的新序列就可以展示该对象，选择Edit/，进入编辑状态，输入数据。图1-8 创建新对象窗口生成log（Y）、log（X）、X2、1/X、时间变量T等序列在命令窗口中依次键入以下命令即可：GENR LOGY=LOG(Y)GENR LOGX=LOG(X)GENR X1=X2GENR X2=1/XGENR T=TREND(84)选择若干变量构成数组，在数组中增加、更名变量在工作文件窗口中单击所要选
7、择的变量，按住Ctrl键不放，继续用鼠标选择要展示的变量，选择完以后，单击鼠标右键，在弹出的快捷菜单中点击Open/as Group（图1-9），则会弹出如图1-10所示的数组窗口，其中变量从左至右按在工作文件窗口中选择变量的顺序来排列。图1-9 选择变量构成数组图1-10 弹出的数组窗口在数组窗口点击Edit/，进入全屏幕编辑状态，选择一个空列，点击标题栏，在编辑窗口输入变量名，再点击屏幕任意位置，即可增加一个新变量（图1-11所示）。图1-11 在数组窗口增加变量增加变量后，即可输入数据。点击要删除的变量列的标题栏，在编辑窗口输入新变量名，再点击屏幕任意位置，弹出RENAME对话框，点击Y
8、ES按钮即可。（图1-12所示）。图1-12 在数组窗口更名变量在工作文件窗口中删除、更名变量。在工作文件窗口中选取所要删除或更名的变量并单击鼠标右键，在弹出的快捷菜单中选择Delete（删除）或Rename（更名）即可（如图1-13所示）。图1-13 在工作文件窗口删除、更名变量1在工作文件窗口中选取所要删除或更名的变量，点击工作文件窗口菜单栏中的Objects/Delete selected（Rename selected），即可删除（更名）变量（如图1-14所示）。图1-14 在工作文件窗口删除、更名变量2在工作文件窗口中选取所要删除的变量，点击工作文件窗口菜单栏中的Delete按钮即可
9、删除变量（如图1-15所示）。图1-15 在工作文件窗口删除变量3三、图形分析与描述统计分析利用PLOT命令绘制趋势图在命令窗口中键入：PLOT Y则可以绘制变量Y的趋势图（图1-16）。图1-16 变量Y的趋势图从图1-16中可以看出，我国19851998年间税收收入是大体呈指数增长趋势的。也可以利用PLOT命令将多个变量的变化趋势描绘在同一张图中，例如键入以下命令，可以观察变量Y、X的变化趋势（图1-17）。PLOT Y X 图1-17 变量Y、X的趋势图从图1-17中可以看出，我国19851998年间税收收入与GDP都大体呈指数增长趋势。利用SCAT命令绘制X、Y的相关图在命令窗口中键入
10、：SCAT X Y则可以初步观察变量之间的相关程度与相关类型（图1-18）。图1-18 变量X、Y相关图图1-18表明，税收收入水平与GDP密切相关，税收收入水平随着GDP的增加而增加，两者大体呈线性变化趋势。观察图形参数的设置情况双击图形区域中任意处或在图形窗口中点击Procs/Options（图1-19），则会弹出如图1-20所示的Graph Options窗口，进入图形编辑状态。选择图形类型、图形属性（是否置入图框内，刻度，是否用彩色）、柱和线的选项，设定竖轴（单个，双个，是否交叉），设定比例尺度（优化线性尺度，强制通过0线，对数尺度，正态化尺度），手动设定比例尺度、线形图选项、柱形图选
11、项、散点图选项（连接，配拟合直线）、饼图选项等。图1-19 在图形窗口选择Graph Options图1-20 图形选项窗口从图1-20中可以看出，本例中X、Y相关图使用散点图，且置入图框内，带有刻度与色彩，竖轴是单个刻度，比例尺度为优化线性尺度，散点图未连接，未配拟合直线，其余一些参数模式是自动设置的。在序列和数组窗口观察变量的描述统计量若是单独序列窗口，从序列窗口菜单选择View/Descriptive Statistics/Histogram and Stats，则会显示变量的描述统计量（图1-21）。图1-21 单独变量序列描述统计量窗口若是数组窗口，从数组窗口菜单选择View/Des
12、criptive Stats/Individual Samples，就对每个序列计算描述统计量（图1-22）。图1-22 数组描述统计量窗口其中， Mean均值 Median中位数 Maximum最大值Minimum最小值 Std.Dev.标准差 Skewness偏度 Kurtosis峰度 Jarque-Bera Probability概率Observations观测值个数四、数据文件的存贮、调用与转换存贮并调用工作文件存贮在Eviews主窗口的工具栏上选择File/Save（Save as），再在弹出的对话框中指定存贮路径，点击确定按钮即可。调用在Eviews主窗口的工具栏上选择File/O
13、pen/Workfile，再在弹出的对话框中选取要调用的工作文件，点击确定按钮即可。存贮若干个变量，并在另一个工作文件中调用存贮的变量在工作文件窗口中选取所要存贮的变量，点击工作文件窗口菜单栏中的Store按钮，弹出store对话框，指定存贮路径，点击YES按钮即可（图1-23）。打开另一个工作文件，点击工作文件窗口菜单栏中的Fetch按钮，弹出fetch对话框，在指定目录下选取要调用的变量，点击确定按钮即可（图1-24）。图1-23 Store 窗口图1-24 Fetch窗口将工作文件分别存贮成文本文件和Excel文件在工作文件窗口中选择要保存的一个或多个变量，点击Eviews主窗口菜单栏中
14、的File/Export/Write Text-Lotus-Excel，在弹出的对话框中指定存贮路径和存贮的文件格式（图1-25），若存贮成文本文件则选择Text-ASCII，若存贮成Excel文件则选择Excel.xls，再点击保存按钮，弹出ASCII Text Export（Excel Export）窗口（图1-26），点击OK按钮即可。其中，By Observation-Series in columns表示各观测值按列排列，By Series-Series in rows表示各观测值按行排列。图1-25 指定存贮路径图1-26 存贮为文本格式在工作文件中分别调用文本文件和Excel文件
15、点击Eviews主窗口菜单栏中的File/Import/Read Text-Lotus-Excel，在弹出的对话框中选取要调用的文本文件或Excel文件，点击打开按钮后，弹出ASCII Text Import（Excel Import）窗口（图1-27），在Name for series or Number of series if file names in file编辑框中要输入调用的变量名，点击OK按钮即可。其中in columns表示按列调用数据，in rows表示按行调用数据。图1-27 调用文本文件或Excel文件窗口在对象窗口中点击Name按钮，将对象存贮于工作文件。以Y、X变量
16、组成的数组为例，点击Name菜单，弹出object name对话框，在Name to identify object文本框中输入要命名的数组名称，点击OK按钮即可（图1-28）。图1-28 存贮对象于工作文件实验二 一元回归模型【实验目的】掌握一元线性、非线性回归模型的建模方法【实验内容】建立我国税收预测模型【实验步骤】【例1】建立我国税收预测模型。表1列出了我国19851998年间税收收入Y和国内生产总值（GDP）x的时间序列数据，请利用统计软件Eviews建立一元线性回归模型。表1 我国税收与GDP统计资料年份税收GDP年份税收GDP1985204189641992329726638198
17、620911020219934255346341987214011963199451274675919882391149281995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396一、 建立工作文件菜单方式在录入和分析数据之前，应先创建一个工作文件（Workfile）。启动Eviews软件之后，在主菜单上依次点击FileNewWorkfile（菜单选择方式如图1所示），将弹出一个对话框（如图2所示）。用户可以选择数据的时间频率（Frequency）、起始期和终止期。图1
18、 Eviews菜单方式创建工作文件示意图图2 工作文件定义对话框本例中选择时间频率为Annual（年度数据），在起始栏和终止栏分别输入相应的日期85和98。然后点击OK，在Eviews软件的主显示窗口将显示相应的工作文件窗口（如图3所示）。图3 Eviews工作文件窗口一个新建的工作文件窗口内只有2个对象(Object）,分别为c（系数向量）和resid（残差）。它们当前的取值分别是0和NA（空值）。可以通过鼠标左键双击对象名打开该对象查看其数据，也可以用相同的方法查看工作文件窗口中其它对象的数值。命令方式还可以用输入命令的方式建立工作文件。在Eviews软件的命令窗口中直接键入CREATE命
19、令，其格式为：CREATE 时间频率类型 起始期 终止期本例应为：CREATE A 85 98二、 输入数据在Eviews软件的命令窗口中键入数据输入/编辑命令：DATA Y X此时将显示一个数组窗口（如图4所示），即可以输入每个变量的数值 图4 Eviews数组窗口三、图形分析借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理地确定模型的数学形式。趋势图分析命令格式：PLOT 变量1 变量2 变量K作用：分析经济变量的发展变化趋势观察是否存在异常值本例为：PLOT Y X相关图分析命令格式：SCAT 变量1 变量2 作用：观察变量之间的相关程度观察变量之间的相关类型，即为线性相
20、关还是曲线相关，曲线相关时大致是哪种类型的曲线说明：SCAT命令中，第一个变量为横轴变量，一般取为解释变量；第二个变量为纵轴变量，一般取为被解释变量SCAT命令每次只能显示两个变量之间的相关图，若模型中含有多个解释变量，可以逐个进行分析通过改变图形的类型，可以将趋势图转变为相关图本例为：SCAT Y X图5 税收与GDP趋势图图5、图6分别是我国税收与GDP时间序列趋势图和相关图分析结果。两变量趋势图分析结果显示，我国税收收入与GDP二者存在差距逐渐增大的增长趋势。相关图分析显示，我国税收收入增长与GDP密切相关，二者为非线性的曲线相关关系。图6 税收与GDP相关图三、 估计线性回归模型在数组
21、窗口中点击ProcMake Equation，如果不需要重新确定方程中的变量或调整样本区间，可以直接点击OK进行估计。也可以在Eviews主窗口中点击QuickEstimate Equation，在弹出的方程设定框（图7）内输入模型：Y C X 或 图7 方程设定对话框还可以通过在Eviews命令窗口中键入LS命令来估计模型，其命令格式为：LS 被解释变量 C 解释变量系统将弹出一个窗口来显示有关估计结果（如图8所示）。因此，我国税收模型的估计式为：这个估计结果表明，GDP每增长1亿元，我国税收收入将增加0.09646亿元。图8 我国税收预测模型的输出结果五、 估计非线性回归模型由相关图分析可
22、知，变量之间是非线性的曲线相关关系。因此，可初步将模型设定为指数函数模型、对数模型和二次函数模型并分别进行估计。在Eviews命令窗口中分别键入以下命令命令来估计模型：双对数函数模型：LS log(Y) C log(X)对数函数模型：LS Y C log(X)指数函数模型：LS log(Y) C X二次函数模型：LS Y C X X2还可以采取菜单方式，在上述已经估计过的线性方程窗口中点击Estimate项，然后在弹出的方程定义窗口中依次输入上述模型（方法通线性方程的估计），其估计结果显示如图9、图10、图11图、12所示。双对数模型：(3.8305) (21.0487) 对数模型：(-8.3
23、066) (9.6999) 指数模型：(231.7463) (27.2685) 二次函数模型：(7.4918) (3.3422) (3.4806) 图9 双对数模型回归结果图10 对数模型回归结果图11 指数模型回归结果图12 二次函数模型回归结果六、 模型比较四个模型的经济意义都比较合理，解释变量也都通过了T检验。但是从模型的拟合优度来看，二次函数模型的值最大，其次为指数函数模型。因此，对这两个模型再做进一步比较。在回归方程（以二次函数模型为例）窗口中点击ViewActual,Fitted,Residual Actual,Fitted,Residual Table（如图13）,可以得到相应的
24、残差分布表。图13 回归方程残差分析菜单上述两个回归模型的残差分别表分别如下（图14、图15）。比较两表可以发现，虽然二次函数模型总拟合误差较小，但其近期误差却比指数函数模型大。所以，如果所建立的模型是用于经济预测，则指数函数模型更加适合。图14 二次函数回归模型残差分别表图15 指数函数模型残差分布表实验三 多元回归模型【实验目的】掌握建立多元回归模型和比较、筛选模型的方法。【实验内容】建立我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的基本形式为：。其中，L、K分别为生产过程中投入的劳动与资金，时间变量反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算
25、工业企业的有关统计资料；其中产出Y为工业总产值（可比价），L、K分别为年末职工人数和固定资产净值（可比价）。表3-1 我国国有独立核算工业企业统计资料年份时间工业总产值Y（亿元）职工人数L（万人）固定资产K（亿元）197813289.1831392225.70197923581.2632082376.34198033782.1733342522.81198143877.8634882700.90198254151.2535822902.19198364541.0536323141.76198474946.1136693350.95198585586.1438153835.79198695931
26、.3639554302.251987106601.6040864786.051988117434.0642295251.901989127721.0142735808.711990137949.5543646365.791991148634.8044727071.351992159705.5245217757.2519931610261.6544988628.7719941710928.6645459374.34资料来源：根据中国统计年鉴1995和中国工业经济年鉴-1995计算整理【实验步骤】一、建立多元线性回归模型建立包括时间变量的三元线性回归模型；在命令窗口依次键入以下命令即可：建立工作文
27、件： CREATE A 78 94输入统计资料： DATA Y L K生成时间变量： GENR T=TREND(77)建立回归模型： LS Y C T L K则生产函数的估计结果及有关信息如图3-1所示。图3-1 我国国有独立核算工业企业生产函数的估计结果因此，我国国有独立工业企业的生产函数为： （模型1）(-0.252) (0.672) (0.781) (7.433) 模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递增77.68亿元。回归系数的符号和数值是较为合理的。，说明模型有很高的拟合优度，F检
28、验也是高度显著的，说明职工人数L、资金K和时间变量对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K的统计量值为7.433，表明资金对企业产出的影响是显著的。但是，模型中其他变量（包括常数项）的统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除统计量最小的变量（即时间变量）而重新建立模型。建立剔除时间变量的二元线性回归模型； 命令：LS Y C L K则生产函数的估计结果及有关信息如图3-2所示。图3-2 剔除时间变量后的估计结果因此，我国国有独立工业企业的生产函数为： （模型2）(-2.922) (4.427) (14.533)
29、 从图3-2的结果看出，回归系数的符号和数值也是合理的。劳动力边际产出为1.2085，资金的边际产出为0.8345，表明这段时期劳动力投入的增加对我国国有独立核算工业企业的产出的影响最为明显。模型2的拟合优度较模型1并无多大变化，F检验也是高度显著的。这里，解释变量、常数项的检验值都比较大，显著性概率都小于0.05，因此模型2较模型1更为合理。建立非线性回归模型C-D生产函数。C-D生产函数为：，对于此类非线性函数，可以采用以下两种方式建立模型。方式1：转化成线性模型进行估计；在模型两端同时取对数，得：在EViews软件的命令窗口中依次键入以下命令：GENR LNY=log（Y）GENR LN
30、L=log（L）GENR LNK=log（K）LS LNY C LNL LNK则估计结果如图3-3所示。图3-3 线性变换后的C-D生产函数估计结果即可得到C-D生产函数的估计式为： （模型3） (-1.172) (2.217) (9.310) 即：从模型3中看出，资本与劳动的产出弹性都是在0到1之间，模型的经济意义合理，而且拟合优度较模型2还略有提高，解释变量都通过了显著性检验。方式2：迭代估计非线性模型，迭代过程中可以作如下控制：在工作文件窗口中双击序列C，输入参数的初始值；在方程描述框中点击Options，输入精度控制值。控制过程：参数初值：0，0，0；迭代精度：103；则生产函数的估计
31、结果如图3-4所示。图3-4 生产函数估计结果此时，函数表达式为： （模型4）(0.313)(2.023)(8.647) 可以看出，模型4中劳动力弹性-1.01161，资金的产出弹性1.0317，很显然模型的经济意义不合理，因此，该模型不能用来描述经济变量间的关系。而且模型的拟合优度也有所下降，解释变量L的显著性检验也未通过，所以应舍弃该模型。参数初值：0，0，0；迭代精度：105；图3-5 生产函数估计结果从图3-5看出，将收敛的误差精度改为105后，迭代100次后仍报告不收敛，说明在使用迭代估计法时参数的初始值与误差精度或迭代次数设置不当，会直接影响模型的估计结果。参数初值：0，0，0；迭
32、代精度：105，迭代次数1000；图3-6 生产函数估计结果此时，迭代953次后收敛，函数表达式为： （模型5）(0.581)(2.267)(10.486) 从模型5中看出，资本与劳动的产出弹性都是在0到1之间，模型的经济意义合理，具有很高的拟合优度，解释变量都通过了显著性检验。将模型5与通过方式1所估计的模型3比较，可见两者是相当接近的。参数初值：1，1，1；迭代精度：105，迭代次数100；图3-7 生产函数估计结果此时，迭代14次后收敛，估计结果与模型5相同。比较方式2的不同控制过程可见，迭代估计过程的收敛性及收敛速度与参数初始值的选取密切相关。若选取的初始值与参数真值比较接近，则收敛速
33、度快；反之，则收敛速度慢甚至发散。因此，估计模型时最好依据参数的经济意义和有关先验信息，设定好参数的初始值。二、比较、选择最佳模型估计过程中，对每个模型检验以下内容，以便选择出一个最佳模型：回归系数的符号及数值是否合理；模型的更改是否提高了拟合优度；模型中各个解释变量是否显著；残差分布情况以上比较模型的、步在步骤一中已有阐述，现分析步骤一中5个不同模型的残差分布情况。分别在模型1模型5的各方程窗口中点击View/Actual, Fitted, Residual/ Actual, Fitted, Residual Table（图3-8），可以得到各个模型相应的残差分布表（图3-9至图3-13）。
34、可以看出，模型4的残差在前段时期内连续取负值且不断增大，在接下来的一段时期又连续取正值，说明模型设定形式不当，估计过程出现了较大的偏差。而且，模型4的表达式也说明了模型的经济意义不合理，不能用于描述我国国有工业企业的生产情况，应舍弃此模型。模型1的各期残差中大多数都落在的虚线框内，且残差分别不存在明显的规律性。但是，由步骤一中的分析可知，模型1中除了解释变量K之外，其余变量均为通过变量显著性检验，因此，该模型也应舍弃。模型2、模型3、模型5都具有合理的经济意义，都通过了检验和F检验，拟合优度非常接近，理论上讲都可以描述资本、劳动的投入与产出的关系。但从图3-13看出，模型5的近期误差较大，因此
35、也可以舍弃该模型。最后将模型2与模型3比较发现，模型3的近期预测误差略小，拟合优度比模型2略有提高，因此可以选择模型2为我国国有工业企业生产函数。图3-8 回归方程的残差分析图3-9 模型1的残差分布图3-10 模型2的残差分布图3-11 模型3的残差分布图3-12 模型4的残差分布图3-13 模型5的残差分布三、模型预测假设估计的模型为一元线性回归模型。1样本期内预测利用样本数据估计方程，LS Y C X ，并保存方程；在方程窗口点击FORECAST按钮，在弹出的预测对话框中输入预测变量名，也即Y拟合值的变量名（被解释变量为Y，则软件默认的变量名是YF）；关闭弹出的预测变量描述性统计分析界面
36、，在工作文件窗口中即可发现新出现的预测变量YF。2外推预测先利用样本数据估计方程，LS Y C X ，并保存方程；修改数据区间和样本区间，将区间扩充到预测年份：鼠标放在工作文件窗口Range和sample位置，双击即可修改数据区间和样本区间；【或者用命令】修改数据区间： RANGE 起始期 终止期扩充数据区间： EXPAND 起始期 终止期 （注：EXPAND这条命令只能增加数据区间，不能缩减）调整样本区间： SMPL 起始期 终止期输入解释变量预测年份的数值，点击方程之前保存的方程窗口的FORECAST按钮进行预测，注意，此时预测的样本区间已经包含了扩充的年份；观察保存的预测变量，预测年份的
37、被解释变量也已填充了数据，此即点预测结果。实验四 异方差性【实验目的】掌握异方差性的检验及处理方法【实验内容】建立并检验我国制造业利润函数模型【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1 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205.421489.89橡胶制品业77.84692.08烟草加工业1
38、83.871328.59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511.944011.53文教体育用品54.4504.44电子机械制造409.833
39、286.15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72.46663.68一、 检验异方差性图形分析检验观察销售利润（Y）与销售收入（X）的相关图(图1)：SCAT X Y图1 我国制造工业销售利润与销售收入相关图从图中可以看出，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（或建立方程后在Eviews工作文件窗口中点击
40、resid对象来观察）。图2 我国制造业销售利润回归模型残差分布图2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。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），其残差平方和为2579.587。SMPL 1 10LS Y C X图3 样本1回归结果利用样本2建立回归模型2（回归结果如图4），其残差平方和为63769.67。SMPL 19 28LS Y C X图4 样本2回归结果计算F统计量：63769.67/2579.59=24.72，分别是模型1和模
41、型2的残差平方和。取时，查F分布表得，而，所以存在异方差性White检验建立回归模型：LS Y C X，回归结果如图5。图5 我国制造业销售利润回归模型在方程窗口上点击ViewResidualTestWhite Heteroskedastcity,检验结果如图6。图6 White检验结果其中F值为辅助回归模型的F统计量值。取显著水平，由于,所以存在异方差性。实际应用中可以直接观察相伴概率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。Park检验建立回归模型（结果同图5所示）。生成新变量序列：GENR LNE2=log(RESID2)GENR LNX=log建立新残差序
42、列对解释变量的回归模型：LS LNE2 C LNX，回归结果如图7所示。图7 Park检验回归模型从图7所示的回归结果中可以看出，LNX的系数估计值不为0且能通过显著性检验，即随即误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。Gleiser检验（Gleiser检验与Park检验原理相同）建立回归模型（结果同图5所示）。生成新变量序列：GENR E=ABS(RESID)分别建立新残差序列（E）对各解释变量（X/X2/X(1/2)/X(1)/ X(2)/ X(1/2)）的回归模型：LS E C X，回归结果如图8、9、10、11、12、13所示。图8图9图10图11图12图13由上述各回归结果可知，各回归模型中解释变量的系数估计值显著不为0且均能通过显著性检验。所以认为存在异方差性。由F值或确定异方差类型Gleiser检验中可以通过F值或值确定异方差的具体形式。本例中，图10所示的回归方程F值（）最大，可以据次来确定异方差的形式。