《EViews计量经济学实验报告-异方差的诊断及修正(共9页).doc》由会员分享，可在线阅读，更多相关《EViews计量经济学实验报告-异方差的诊断及修正(共9页).doc（9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、精选优质文档-倾情为你奉上时间 地点 实验题目 异方差的诊断与修正 一、实验目的与要求：要求目的：1、用图示法初步判断是否存在异方差，再用White检验异方差； 2、用加权最小二乘法修正异方差。二、实验内容根据1998年我国重要制造业的销售利润与销售收入数据，运用EV软件，做回归分析，用图示法，White检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）（一） 模型设定为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为：=+其中，表示销售利润，表示销售收入
2、。由1998年我国重要制造业的销售收入与销售利润的数据，如图1：1988年我国重要制造业销售收入与销售利润的数据 （单位：亿元）行业名称销售利润Y销售收入X食品加工业187.253180.44食品制造业111.421119.88饮料制造业205.421489.89烟草加工业183.871328.59纺织业316.793862.9服装制造业157.71779.1皮革羽绒制品81.731081.77木材加工业35.67443.74家具制造业31.06226.78造纸及纸制品134.41124.94印刷业90.12499.83文教体育用品54.4504.44石油加工业194.452363.8化学原料
3、制品502.614195.22医药制造业238.711264.1化学纤维制造81.57779.46橡胶制品业77.84692.08塑料制品业144.341345非金属矿制业339.262866.14黑色金属冶炼367.473868.28有色金属冶炼144.291535.16金属制品业201.421948.12普通机械制造354.692351.68专用设备制造238.161714.73交通运输设备511.944011.53电子机械制造409.833286.15电子通信设备508.154499.19仪器仪表设备72.46663.68（二） 参数估计1、双击“Eviews”，进入主页。输入数据：点击
4、主菜单中的File/Open /EV WorkfileExcel异方差数据2.xls ；2、在EV主页界面的窗口，输入“ls y c x”，按“Enter”。出现OLS回归结果,如图2： 估计样本回归函数Dependent Variable: YMethod: Least SquaresDate: 10/19/05 Time: 15:27Sample: 1 28Included observations: 28VariableCoefficientStd. Errort-StatisticProb.C12.0356419.517790.0.5428X0.0.12.366700.0000R-sq
5、uared0.Mean dependent var213.4650Adjusted R-squared0.S.D. dependent var146.4895S.E. of regression56.90368Akaike info criterion10.98935Sum squared resid84188.74Schwarz criterion11.08450Log likelihood-151.8508F-statistic152.9353Durbin-Watson stat1.Prob(F-statistic)0.估计结果为： = 12.03564 + 0.（19.51779） (0
6、.)t=（0.） （12.36670）=0. =0. S.E.=56.89947 DW=1. F=152.9353这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.元。=0. , 拟合程度较好。在给定=0.0时，t=12.36670 =2.056 ，拒绝原假设，说明销售收入对销售利润有显著性影响。F=152.9353 = 4.23 ,表明方程整体显著。（三） 检验模型的异方差（一）图形法1、在“Workfile”页面：选中x,y序列，点击鼠标右键，点击Openas GroupYes2、在“Group”页面：点击ViewGraphScatterSimple Scatter,
7、得到X,Y的散点图（图3所示）：3、在“Workfile”页面：点击Generate，输入“e2=resid2”OK4、选中x,e2序列，点击鼠标右键，Openas GroupYes5、在“Group”页面：点击ViewGraphScatterSimple Scatter, 得到X,e2的散点图（图4所示）：6、判断由图3可以看出，被解释变量Y随着解释变量X的增大而逐渐分散，离散程度越来越大；同样，由图4可以看出，残差平方对解释变量X的散点图主要分布在图形中的下三角部分，大致看出残差平方随的变动呈增大趋势。因此，模型很可能存在异方差。但是否确实存在异方差还应该通过更近一步的检验。 （二）Whi
8、te检验1、 在“Equation”页面：点击ViewResidual TestsWhite检验（no cross）,（本例为一元函数，没有交叉乘积项）得到检验结果，如图5：White检验结果White Heteroskedasticity Test:F-statistic3.Probability0.Obs*R-squared6.Probability0.Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 10/19/05 Time: 15:29Sample: 1 28Included observations
9、: 28VariableCoefficientStd. Errort-StatisticProb.C-3279.7792857.117-1.0.2619X5.3.1.0.0802X2-0.0.-1.0.1942R-squared0.Mean dependent var3006.741Adjusted R-squared0.S.D. dependent var5144.470S.E. of regression4709.744Akaike info criterion19.85361Sum squared resid5.55E+08Schwarz criterion19.99635Log lik
10、elihood-274.9506F-statistic3.Durbin-Watson stat1.Prob(F-statistic)0.2、因为本例为一元函数，没有交叉乘积项，则辅助函数为 =+ 从上表可以看出，n=6. ，有White检验知，在=0,05下，查分布表，得临界值（2）=5.99147。比较计算的统计量与临界值，因为n= 6. （2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。（四） 异方差的修正在运用加权最小二乘法估计过程中，分别选用了权数=1/，=1/，=1/。1、在“Workfile”页面：点击“Generate”，输入“w1=1/x”OK ；
11、同样的输入“w2=1/x2”“w3=1/sqr(x)”；2、在“Equation”页面：点击“Estimate Equation”,输入“y c x”,点击“weighted”,输入“w1”,出现如图6：用权数的结果Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:13Sample: 1 28Included observations: 28Weighting series: W1VariableCoefficientStd. Errort-StatisticProb.C5.6.0.0.3583X0.0.13.3
12、17340.0000Weighted StatisticsR-squared0.Mean dependent var123.4060Adjusted R-squared-0.S.D. dependent var31.99659S.E. of regression32.07117Akaike info criterion9.Sum squared resid26742.56Schwarz criterion9.Log likelihood-135.7956F-statistic177.3515Durbin-Watson stat1.Prob(F-statistic)0.Unweighted St
13、atisticsR-squared0.Mean dependent var213.4650Adjusted R-squared0.S.D. dependent var146.4895S.E. of regression57.21632Sum squared resid85116.40Durbin-Watson stat1.3、在“Equation”页面：点击“Estimate Equation”,输入“y c x”,点击“weighted”,输入“w2”,出现如图7：用权数的结果Dependent Variable: YMethod: Least SquaresDate: 10/22/10 T
14、ime: 00:16Sample: 1 28Included observations: 28Weighting series: W2VariableCoefficientStd. Errort-StatisticProb.C6.3.1.0.0737X0.0.9.0.0000Weighted StatisticsR-squared0.Mean dependent var67.92129Adjusted R-squared0.S.D. dependent var75.51929S.E. of regression21.39439Akaike info criterion9.Sum squared
15、 resid11900.72Schwarz criterion9.Log likelihood-124.4604F-statistic94.58068Durbin-Watson stat1.Prob(F-statistic)0.Unweighted StatisticsR-squared0.Mean dependent var213.4650Adjusted R-squared0.S.D. dependent var146.4895S.E. of regression57.00434Sum squared resid84486.88Durbin-Watson stat1.4、在“Equatio
16、n”页面：点击“Estimate Equation”,输入“y c x”,点击“weighted”,输入“w3”,出现如图8：用权数的结果Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:17Sample: 1 28Included observations: 28Weighting series: W3VariableCoefficientStd. Errort-StatisticProb.C8.11.187330.0.4469X0.0.13.704730.0000Weighted StatisticsR-sq
17、uared0.Mean dependent var165.8420Adjusted R-squared0.S.D. dependent var67.13044S.E. of regression42.63646Akaike info criterion10.41205Sum squared resid47264.56Schwarz criterion10.50720Log likelihood-143.7686F-statistic187.8197Durbin-Watson stat1.Prob(F-statistic)0.Unweighted StatisticsR-squared0.Mea
18、n dependent var213.4650Adjusted R-squared0.S.D. dependent var146.4895S.E. of regression56.95121Sum squared resid84329.44Durbin-Watson stat1.经估计检验，发现用权数，的结果，其可决系数反而减小；只有用权数的效果最好，可决系数增大。 用权数的结果Dependent Variable: YMethod: Least SquaresDate: 10/22/10 Time: 00:16Sample: 1 28Included observations: 28Weig
19、hting series: W2VariableCoefficientStd. Errort-StatisticProb.C6.3.1.0.0737X0.0.9.0.0000Weighted StatisticsR-squared0.Mean dependent var67.92129Adjusted R-squared0.S.D. dependent var75.51929S.E. of regression21.39439Akaike info criterion9.Sum squared resid11900.72Schwarz criterion9.Log likelihood-124
20、.4604F-statistic94.58068Durbin-Watson stat1.Prob(F-statistic)0.Unweighted StatisticsR-squared0.Mean dependent var213.4650Adjusted R-squared0.S.D. dependent var146.4895S.E. of regression57.00434Sum squared resid84486.88Durbin-Watson stat1.用权数的估计结果为： = 6. + 0.（1.） （9.）=0. DW=1. F=94.58068括号中的数据为t统计量值。
21、由上可以看出，运用加权最小二乘法消除了异方差后，参数的t检验显著，可决系数提高了不少，F检验也显著，并说明销售收入每增长1元，销售利润平均增长0.元。四、实践结果报告： 1、用图示法初步判断是否存在异方差：被解释变量Y随着解释变量X的增大而逐渐分散，离散程度越来越大；同样的，残差平方对解释变量X的散点图主要分布在图形中的下三角部分，大致看出残差平方随的变动呈增大趋势。因此，模型很可能存在异方差。但是否确实存在异方差还应该通过更近一步的检验。再用White检验异方差：因为n= 6. （2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。2、用加权最小二乘法修正异方差：发
22、现用权数的效果最好，则估计结果为： = 6. + 0.（1.） （9.）=0. DW=1. F=94.58068括号中的数据为t统计量值。由上可以看出，=0.,拟合程度较好。在给定=0.0时，t=9. =2.056 ，拒绝原假设，说明销售收入对销售利润有显著性影响。F=94.58068 = 4.23 , 表明方程整体显著。运用加权最小二乘法后，参数的t检验显著，可决系数提高了不少，F检验也显著，并说明销售收入每增长1元，销售利润平均增长0.元。3、再用White检验修正后的模型是否还存在异方差：White检验结果White Heteroskedasticity Test:F-statistic
23、3.Probability0.Obs*R-squared5.Probability0.Test Equation:Dependent Variable: STD_RESID2Method: Least SquaresDate: 10/22/10 Time: 00:17Sample: 1 28Included observations: 28VariableCoefficientStd. Errort-StatisticProb.C1927.346675.22462.0.0085X-1.0.-1.0.0585X20.0.1.0.1252R-squared0.Mean dependent var4
24、25.0258Adjusted R-squared0.S.D. dependent var1198.210S.E. of regression1113.057Akaike info criterion16.96857Sum squared residSchwarz criterion17.11130Log likelihood-234.5599F-statistic3.Durbin-Watson stat2.Prob(F-statistic)0.由上看出，n= 5. ，由White检验知，在=0,05下，查分布表，得临界值：（2）=5.99147。比较计算的统计量与临界值，因为n= 5. （2）=5.99147 ，所以接受原假设，这说明修正后的模型不存在异方差。教师评阅意见：专心-专注-专业