《计量经济学实验四异方差性》由会员分享，可在线阅读，更多相关《计量经济学实验四异方差性（16页珍藏版）》请在装配图网上搜索。
1、word计量经济学实验报告学院：信管学院专业：实验编号：实验四实验题目：异方差性某某：学号：10 指导教师：实验四 异方差性【实验目的】掌握异方差性的检验与处理方法【实验内容】建立并检验我国制造业利润函数模型【实验步骤】下表列出了2011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。数据来源：国家统计局国家统计年鉴2012数据 工业按行业分规模以上工业企业主要经济效益指标行 业主营业务收 入利润总额行 业主营业务收 入利润总额食品制造业橡胶制品业饮料制造业塑料制品业烟草制品业非金属矿物制品业纺织业黑色金属冶炼与压延加工业纺织服装、鞋、帽制
2、造业有色金属冶炼与压延加工业皮革、毛皮、羽毛(绒)与其制品业金属制品业木材加工与木、竹、藤、棕、草制品通用设备制造业家具制造业专用设备制造业造纸与纸制品业交通运输设备制造业印刷业和记录媒介的复制电气机械与器材制造业文教体育用品制造业通信设备、计算机与其他电子设备制造业石油加工、炼焦与核燃料加工业4649仪器仪表与文化、办公用机械制造业化学原料与化学制品制造业工艺品与其他制造业医药制造业废弃资源和废旧材料回收加工业化学纤维制造业一、 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
3、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，即明确存在异方差性。Goldfeld-Quant检验将样本按解释变量排序SORT X并分成两局部分别有1到10共1个样本和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。SMPL 1 10LS Y C X
4、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25214669。SMPL 20 29LS Y C X图4 样本2回归结果计算F统计量：25214669/=，分别是模型1和模型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ViewResidual TestWhite 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,所以不存在异方差性。实际应用中可以直接观察相伴概率p值的
5、大小，假如p值较小，如此认为存在异方差性。反之，如此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=logx建立新残差序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检验原理一样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
6、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。二、 调整异方差性确定权数变量另外生成：GENR W4=1/ RESID 2利用加权最小二乘法估计模型在Eviews命令窗口中依次键入命令：LS(W=) Y C X或在方程窗口中点击EstimateOption按钮，并在权数变量栏里依次输入W1、W2、W4，回归结果图14、15、16所示。图14图15图16对所估计的模型再进展White检验，观察异方差的调整情况对所估计的模型再进展White检验，其结果分别对应图14、15、16的回归模型如图17、18、19所示。图17、18、19所对应的White检验显示，P值较大，所以接收不存在异方差的原假设，即认为已经消除了回归模型的异方差性。图19对应的White检验没有显示F值和的值，这表示异方差性已经得到很好的解决。图17图18图1916 / 16
计量经济学实验四异方差性
