练习（异方差）
1 什么是异方差性？举例说明经济现象中的异方差性。检验异方差的方法思路是什么？
2 判断下列各题的对错，并简单说明理由：
（1）在存在异方差的情况下，普通最小二乘法（OLS ）估计量是有偏的和无效的；
（2）如果存在异方差，通常使用的t 检验和F 检验是无效的；
（3）在存在异方差的情况下，常用的OLS 法总是高估了估计量的标准差；
3 简述异方差对下列各项有何影响：
（1）OLS 估计量及其方差；
（2）置信区间；
（3）显著性t 检验和F 检验的使用。
4 试比较说明模型存在异方差时，普通最小二乘法与加权最小二乘法的区别与联系。
5 已知消费模型
t t t t X X Y μααα+++=22110
其中，t Y 为消费支出，t X 1为个人可支配收入，t X 2为消费者的流动资
产，且
0)(=t E μ
212)(t t X Var σμ=（其中2σ为常数）
进行适当的变换消除异方差，并证明
答案
1解答
对于模型i ki k i i i X X X Y μββββ+++++=Λ22110 （i=1,2,…,n ）,如果出现
),,2,1()(2n i Var i i Λ==σμ，即对于不同的样本点，随即干扰项的方差不再是常数，而且互不相同，则认为出现了异方差。
在现实经济运行中，异方差性经常出现，尤其是采用截面数据作样本的计量经济学问题。例如，工业企业的研究与发展费用支出同企业的销售和利润之间关系的函数模型；服装需求量与季节、收入之间关系的函数模型；个人储蓄量与个人可支配收入之间关系的函数模型等。检验异方差性的主要思路就是检验随机干扰项的方差与解释变量观察值的某种函数形式之间是否存在相关性。
2解答
（1）错。当存在异方差情况下，OLS 法估计量是无偏的但不具有有效性。
（2）对。如果存在异方差，通常使用的t 检验和F 检验是无效的。
（3）错。实际情况可能是高估也可能是低估。
3解答
由于异方差性的存在，使得OLS 估计量仍是线性无偏但不再具有最小方差性，即不再有效；而由于相应的置信区间以及t 检验和F 检验都与估计量的方差相关，因此会造成建立的置信区间以及t 检验和F 检验都不再是可靠的。
4解答
当模型存在异方差时，加权最小二乘法得到的估计量仍是BLUE 估计量，而普通最小二乘法得到的估计量则往往不具有最小方差性。当然，OLS 与WLS 都是广义最小二乘法（GLS ）的特例；当WLS 中的权n w w w ===Λ21时，WLS 的参数估计量就是OLS 的参数估计量。
5解答
模型两边同时除以t X 1进行变换，得
t t t t t t t X X X X X Y 11221101μααα+++= 令t t t X Y Y 1*=，t t X X 1*11=，t t t X X X 12*2=，t
t t X 1*μμ=，得 **22*101*t t t t X X Y μααα+++=
可以证明，随机干扰项*t μ是同方差的。证明如下：
2212211*1)(
)(σσμμ===t t t t t X X X Var Var 。
（财务知识）计量经济学实验教学案例实验四异方差
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】 建立且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和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年销售利润和销售收入情况
一、检验异方差性 ⒈图形分析检验 ⑴观察销售利润（Y）和销售收入（X）的关联图(图1)：SCATXY 图1我国制造工业销售利润和销售收入关联图 从图中能够见出，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于递增的异方差性。 ⑵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。于方程窗口中点击Resids按钮就能够得到模型的残差分布图（或建立方程后于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，即表明存于异方差性。 ⒉Goldfeld-Quant检验 ⑴将样本安解释变量排序（SORTX）且分成俩部分（分别有1到10共11个样本合19到28共10个样本） ⑵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。 SMPL110 LSYCX 图3样本1回归结果
⑶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。 SMPL1928 LSYCX 图4样本2回归结果 ⑷计算F统计量：＝63769.67/2579.59=24.72，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，所以存于异方差性 ⒊White检验 ⑴建立回归模型：LSYCX，回归结果如图5。 图5我国制造业销售利润回归模型 ⑵于方程窗口上点击View\Residual\Test\WhiteHeteroskedastcity,检验结果如图6。 图6White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,所以存于异方差性。实际应用中能够直接观察相伴概率p值的大小，若p值较小，则认为存于异方差性。反之，则认为不存于异方差性。 ⒋Park检验 ⑴建立回归模型（结果同图5所示）。 ⑵生成新变量序列：GENRLNE2=log(RESID^2) GENRLNX=log ⑶建立新残差序列对解释变量的回归模型：LSLNE2CLNX，回归结果如图7所示。 图7Park检验回归模型 从图7所示的回归结果中能够见出，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和解释变量存于较强的关联关系，即认为存于异方差性。
金融122班 23号钟萌 异方差性检验 引入滞后变量X-1、X-2、Y-1 。可建立如下中国居民消费函数： Y=β0+β1X+β2X(-1)+β3X(-2)+β4Y(-1) 用OLS法进行估计，结果如下： 对应的表达式为 Y=429.3512+0.143X-0.104X(-1)+0.063X(-2)+0.838Y(-1) 2.18 2.09 -0.73 0.63 7.66 R2=0.9988 F=4503.94 估计结果显示，在5%的显著性水平下，自由度为25的临界值为2.060，若存在异方差性，则可能是由X、Y（-1）引起的。
做OLS回归得到的残差平方项分别与X、Y(-1)的散点图
从散点图可以看出，两者存在异方差性。下面进行统计检验。 采用White异方差检验： 所以辅助回归结果为： e2=-194156.4-249.491X+0.003X2+265.306X(-1)-0.004X(-1)2+4.187X(-2)- 0.001X(-2)2 +51.377Y(-1)+0.001Y(-1)2 -1.566 -4.604 2.863 2.648 -1.604 0.055 -0.301 0.579 0.410 X与X的平方项的参数的t检验是显著的，且White统计量为
16.999>5%显著性水平下，自由度为8的卡方分布值15.51，(从nR2 统计量的对应值的伴随概率值容易看出）所以在5%的显著性水平下，拒绝同方差性这一原假设，方程确实存在异方差性。 用加权最小二乘法对异方差性进行修正，重新进行回归估计， 得到加权后消除异方差性的估计结果： 回归表达式为： Y=275.0278-0.0192X+0.1617X(-1)-0.0732X(-2)+0.9165Y(-1) 3.5753 -0.3139 1.3190 -1.0469 16.5504
附件二：实验报告格式（首页） 山东轻工业学院实验报告成绩 课程名称计量经济学指导教师实验日期 2013.5.18 院（系）商学院会计系专业班级会计实验地点实验楼二机房 学生姓名学号同组人无 实验项目名称异方差的检验 一、实验目的和要求 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要求熟悉基本操作步骤，读懂各项上机榆出结果 的含义并进行分析 3、掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操 作方法 4、练习检查和克服模型的异方差的操作方法。 5、掌握异方差性的检验及处理方法 6、用图示法、斯皮尔曼法、戈德菲尔德、white验证法，验证该模型是否存在异方差 二、实验原理 1、异方差的检验出消除方法 2、运用EVIEWS软件及普通最小二乘法进行模型估计 3、检验模型的异方差性并对其进行调整 三、主要仪器设备、试剂或材料 Eviews软件、课本教材、电脑 四、实验方法与步骤 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。 1、CREATE U 1 31 回车 2、DATA Y X 回车 输入数据
obs Y X 1 264 8777 2 105 9210 3 90 9954 4 131 10508 5 122 10979 6 10 7 11912 7 406 12747 8 503 13499 9 431 14269 10 588 15522 11 898 16730 12 950 17663 13 779 18575 14 819 19635 15 1222 21163 16 1702 22880 17 1578 24127 18 1654 25604 19 1400 26500 20 1829 26760 21 2200 28300 22 2017 27430 23 2105 29560 24 1600 28150 25 2250 32100 26 2420 32500 27 2570 35250 28 1720 33500 29 1900 36000 30 2100 36200 31 2800 38200 3、LS Y C X 回车 用最小二乘法进行估计出现 Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 11:19 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob.
七、 异方差与自相关 一、背景 我们讨论如果古典假定中的同方差和无自相关假定不能得到满足，会引起什 么样的估计问题呢？另一方面，如何发现问题，也就是发现和检验异方差以及自 相关的存在性也是一个重要的方面，这个部分就是就这个问题进行讨论。 二、知识要点 1、引起异方差的原因及其对参数估计的影响 2、异方差的检验（发现异方差） 3、异方差问题的解决办法 4、引起自相关的原因及其对参数估计的影响 5、自相关的检验（发现自相关） 6、自相关问题的解决办法 （时间序列部分讲解） 三、要点细纲 1、引起异方差的原因及其对参数估计的影响 原因：引起异方差的众多原因中，我们讨论两个主要的原因，一是模型的设定偏 误，主要指的是遗漏变量的影响。这样，遗漏的变量就进入了模型的残差项中。 当省略的变量与回归方程中的变量有相关关系的时候，不仅会引起内生性问题， 还会引起异方差。二是截面数据中总体各单位的差异。 后果：异方差对参数估计的影响主要是对参数估计有效性的影响。在存在异方差 的情况下，OLS 方法得到的参数估计仍然是无偏的，但是已经不具备最小方差 性质。一般而言，异方差会引起真实方差的低估，从而夸大参数估计的显著性， 即是参数估计的t 统计量偏大，使得本应该被接受的原假设被错误的拒绝。 2、异方差的检验 （1）图示检验法 由于异方差通常被认为是由于残差的大小随自变量的大小而变化，因此，可 以通过散点图的方式来简单的判断是否存在异方差。具体的做法是，以回归的残 差的平方2i e 为纵坐标，回归式中的某个解释变量i x 为横坐标，画散点图。如果散 点图表现出一定的趋势，则可以判断存在异方差。
《计量经济学》实训报告 实训项目名称异方差的检验及修正 实训时间 2011年12月13日 实训地点 班级 学号 姓名 实训(实践) 报告
实训名称异方差的检验及修正 一、实训目的 深刻理解异方差性的实质、异方差出现的原因、异方差的出现对模型的不良影响（即异方差的后果），掌握估计和检验异方差性的基本思想和修正异方差的若干方法；能够运用所学的知识处理模型中的出现的异方差问题，并要求初步掌握用EViews处理异方差的基本操作方法。 二、实训要求 使用教材第五章的数据做异方差的图形法检验、Goldfeld-Quanadt检验与White检验，使用WLS法对异方差进行修正。 三、实训内容 1、用图示法、戈德菲尔德、white验证法，验证该模型是否存在异方差。 2、用加权最小二乘法消除异方差。 四、实训步骤 练习题5.8数据1998年我国重要制造业销售收入和销售利润的数据 Y—销售利润，x—销售收入 1. 用OLS方法估计参数，建立回归模型：ls y c x
回归结果如下： Y=12.036+0.1044x; S = (19.5178) (0.00844) T= (0.6167) (12.3667) R^2=0.8547 S.E.=56.9037 2.检验是否存在异方差 (1) 图形检验：残差图形scat x e2 结果表明：
残差平方e2对解释变量的x的散点图主要分布在图形的下方，大致看出残差平方随X 的变动呈增大的趋势，因此，模型很可能出现异方差。 (2)戈德菲尔德-夸特检验 首先，对变量进行排序，在这个题目中，我选择递增型排序，这是y与x将以x按递增型排序。 然后构造子样本区间，建立回归模型。在本题目中，n=28,删除中间的1/4,的观测值，即大约8个观测值，剩余部分平分得两个样本区间：1—10和19-28，他们的样本个数均为10。 用OLS方法得到前10个数的样本结果(ls y c x)： 用OLS方法得到后10个数的样本结果（ls y c x）：
实验报告 ——（方差分析） 一、实验目的 熟练使用SPSS软件进行方差分析。学会通过方差分析分析不同水平的控制变量是否对结果产生显著影响。 二、实验内容 1、某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，问三组石棉矿工的用力肺活量有无差别?（自建数据集） 石棉肺患者可疑患者非患者 1.8 2.3 2.9 1.4 2.1 3.2 1.5 2.1 2.7 2.1 2.1 2.8 1.9 2.6 2.7 1.7 2.5 3.0 1.8 2.3 3.4 1.9 2.4 3.0 1.8 2.4 3.4 1.8 3.3 2.0 3.5 SPSS计算结果： 在建立数据集时定义group1为石棉肺患者，group2为可疑患者，group3为非患者。 零假设：各水平下总体方差没有显著差异。 相伴概率为0.075，大于0.05，可以认为各个组的方差是相等的，可以进行方差检验。
从上表可以看出3个组之间的相伴概率都小于显著性水平0.05，拒绝零假设，说明3个组之间都存在显著差别。 2、某汽车经销商在不同城市进行调查汽车的销售量数据分析工作，每个城市分别处于不同的区域：东部、西部和中部，而且汽车经销商在不同城市投放不同类型的广告，调查数据放置于附件中数据文件“汽车销量调查.sav”。 （1）试分析不同区域与不同广告类型是否对汽车的销量产生显著性的影响？（2）如果考虑到不同城市人均收入具有差异度时，再思考不同区域和不同广告类型对汽车销量产生的影响差异是否改变，这说明什么问题？ SPSS计算结果： （1）此为多因素方差分析 相伴概率为0.054大于0.05，可以认为各个组总体方差相等可以进行方差检验。
实验四异方差性的检验 与处理 集团标准化工作小组 [Q8QX9QT-X8QQB8Q8-NQ8QJ8-M8QMN]
实验四 异方差性的检验及处理（2学时） 一、实验目的 （1）、掌握异方差检验的基本方法； （2）、掌握异方差的处理方法。 二、实验学时：2学时 三、实验要求 （1）掌握用MATLAB 软件实现异方差的检验和处理； （2）掌握异方差的检验和处理的基本步骤。 四、实验原理 1、异方差检验的常用方法 (1) 用X-Y 的散点图进行判断 (2). 22 ?(,)(,)e x e y 或的图形 ,),x )i i y i i （(e 或(e 的图形） (3) 等级相关系数法（又称Spearman 检验） 是一种应用较广的方法，既可以用于大样本，也可与小样本。 检验的三个步骤 ① ?t t y y =-i e ② |i x i i 将e 取绝对值，并把|e 和按递增或递减次序排序， 计算Spearman 系数rs ,其中：2 1n i i d =∑s 2 6r =1-n(n -1) ③ 做等级相关系数的显着性检验。n>8时， /2(2),t t n α>-反之，若||i i e x 说明与之间存在系统关系， 异方差问题存在。 (4) 帕克(Park)检验 帕克检验常用的函数形式： 若在统计上是显着的，表明存在异方差性。 2、异方差性的处理方法: 加权最小二乘法 如果在检验过程中已经知道：222 ()()()i i i ji u Var u E u f x σσ=== 则将原模型变形为：
121( i i p pi i y x x u f x βββ =+?++?+ 在该模型中： 即满足同方差性。于是可以用OLS估计其参数，得到关于参数12 ,,, p βββ 的无偏、有效估计量。 五、实验举例 例1 01 i i i y x u =++ 若用线性模型，研究不同收入家庭的消费情况，试问原数据有无异方差性如果存在异方差性，应如何处理 解：（一）编写程序如下： （1）等级相关系数法（详见文件） %%%%%%%%%%%%%%% 用等级相关系数法来检验异方差性 %%%%%%%% [data,head]=xlsread(''); x=data(:,1); %提取第一列数据，即可支配收入x y=data(:,2); %提取第二列数据，即居民消费支出y plot(x,y,'k.'); % 画x和y的散点图 xlabel('可支配收入x（千元）') % 对x轴加标签 ylabel('居民消费支出y(千元)') % 对y轴加标签 %%%%%%%% 调用regres函数进行一元线性回归 %%%%%%%%%%%% xdata=[ones(size(x,1),1),x]; %在x矩阵最左边加一列1，为线性回归做准备 [b,bint,r,rint,s]=regress(y,xdata); yhat=xdata*b; %计算估计值y % 定义元胞数组，以元胞数组形式显示系数的估计值和估计值的95%置信区间 head1={'系数的估计值','估计值的95%置信下限','估计值的95%置信上限'};
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。 一、检验异方差性 ⒈图形分析检验 ⑴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。
⑵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，即表明存在异方差性。 ⒉Goldfeld-Quant检验 ⑴将样本按解释变量排序（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） ⑵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 10 LS Y C X 图3 样本1回归结果 ⑶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 28 LS Y C X
图4 样本2回归结果 ⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS RSS 和分别是模型1和模型2的残差平方和。 取 05 .0=α时，查F 分布表得 44.3)1110,1110(05.0=----F ，而 44.372.2405.0=>=F F ，所以存在异方差性 ⒊White 检验 ⑴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 ⑵在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果如图6。 图6 White 检验结果
实验报告2 实验目的：掌握异方差的检验及处理方法。 实验容：检验家庭人均纯收入与家庭生活消费支出可能存在的异方差性。有关数据如下：其中，收入为X，家庭生活消费支出为Y。 地区家庭人均 纯收入 家庭生活 消费支出地区 家庭人均 纯收入 家庭生活 消费支出 北京9439.63 6399.27 湖北3997.48 3090 天津7010.06 3538.31 湖南3904.2 3377.38 河北4293.43 2786.77 广东5624.04 4202.32 山西3665.66 2682.57 广西3224.05 2747.47 3953.1 3256.15 海南3791.37 2556.56 辽宁4773.43 3368.16 重庆3509.29 2526.7 吉林4191.34 3065.44 四川3546.69 2747.27 4132.29 3117.44 贵州2373.99 1913.71 上海10144.62 8844.88 云南2634.09 2637.18 江苏6561.01 4786.15 西藏2788.2 2217.62 浙江8265.15 6801.6 陕西2644.69 2559.59 安徽3556.27 2754.04 甘肃2328.92 2017.21 福建5467.08 4053.47 青海2683.78 2446.5 江西4044.7 2994.49 宁夏3180.84 2528.76 山东4985.34 3621.57 新疆3182.97 2350.58 河南3851.6 2676.41 实验步骤如下： 一、建立有关模型分析异方差检验如下。 方法一、图示法。（两种） （一）、x y 相关分析 从图中可以看出，随着收入的增加，家庭生活消费支出不断的提高，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。 建立模型： 1、从图中可以看出，x y不是简单的线性关系。建立线性回归方程如下， LS Y C X
非参数检验 实验报告 方差分析 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:
目录 一、实验目的 (1) 1.了解方差分析的基本内容； (1) 2.了解单因素方差分析； (1) 3.了解多因素方差分析； (1) 4.学会运用spss软件求解问题； (1) 5.加深理论与实践相结合的能力。 (1) 二、实验环境 (1) 三、实验方法 (1) 1. 单因素方差分析； (1) 2. 多因素方差分析。 (1) 四、实验过程 (1) 问题一： (1) 1.1实验过程 (1) 1.1.1输入数据，数据处理； (1) 1.1.2单因素方差分析 (1) 1.2输出结果 (3) 1.3结果分析 (3) 1.3.1描述 (3) 1.3.2方差性检验 (4) 1.3.3单因素方差分析 (4) 问题二： (4) 2.1实验步骤 (5) 2.1.1命名变量 (5) 2.1.2导入数据 (5) 2.1.3单因素方差分析 (5) 2.1.4输出结果 (7) 2.2结果分析 (7) 2.2.1描述 (7) 2.2.2方差性检验 (8)
2.2.3单因素方差分析 (8) 问题三： (8) 3.1提出假设 (8) 3.2实验步骤 (8) 3.2.1数据分组编号 (8) 3.2.2多因素方差分析 (9) 3.2.3输出结果 (13) 3.3结果分析 (14) 五、实验总结 (14)
方差分析 一、实验目的 1.了解方差分析的基本内容； 2.了解单因素方差分析； 3.了解多因素方差分析； 4.学会运用spss软件求解问题； 5.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1.单因素方差分析； 2.多因素方差分析。 四、实验过程 问题一： 1.1.1输入数据，数据处理； 1.1.2单因素方差分析 选择：分析→比较均值→单因素AVONA；
异方差性的检验和补救 一、研究目的和要求 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，检验其是否存在异方差，并加以补救。 表1 我国制造工业1998年销售利润与销售收入情况 二、参数估计 EVIEWS 软件估计参数结果如下
Dependent Variable: Y Method: Least Squares Date: 06/01/16 Time: 20:16 Sample: 1 28 Included observations: 28 Variable Coefficient Std. Error t-Statistic Prob. C 12.03349 19.51809 0.616530 0.5429 X 0.104394 0.008442 12.36658 0.0000 R-squared 0.854694 Mean dependent var 213.4639 Adjusted R-squared 0.849105 S.D. dependent var 146.4905 S.E. of regression 56.90455 Akaike info criterion 10.98938 Sum squared resid 84191.34 Schwarz criterion 11.08453 Log likelihood -151.8513 Hannan-Quinn criter. 11.01847 F-statistic 152.9322 Durbin-Watson stat 1.212781 Prob(F-statistic) 0.000000 用规范的形式将参数估计和检验结果写下 2?12.033490.104394(19.51809)(0.008442) =(0.616530) (12.36658)0.854694152.9322 i Y X t R F =+ = = 三、 检验模型的异方差 （一） 图形法 1. 相关关系图 X Y X Y 相关关系图
计量经济学实验报告
多元线性回归、多重共线性、异方差实验报告 一、研究目的和要求： 随着经济的发展，人们生活水平的提高，旅游业已经成为中国社会新的经济增长点。旅游产业是一个关联性很强的综合产业，一次完整的旅游活动包括吃、住、行、游、购、娱六大要素，旅游产业的发展可以直接或者间接推动第三产业、第二产业和第一产业的发展。尤其是假日旅游，有力刺激了居民消费而拉动内需。2012年，我国全年国内旅游人数达到30.0亿人次，同比增长13.6%，国内旅游收入2.3万亿元，同比增长19.1%。旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，加强国家、地区间的文化交流。为了研究影响旅游景区收入增长的主要原因，分析旅游收入增长规律，需要建立计量经济模型。 影响旅游业发展的因素很多，但据分析主要因素可能有国内和国际两个方面，因此在进行旅游景区收入分析模型设定时，引入城镇居民可支配收入和旅游外汇收入为解释变量。旅游业很大程度上受其产业本身的发展水平和从业人数影响，固定资产和从业人数体现了旅游产业发展规模的内在影响因素，因此引入旅游景区固定资产和旅游业从业人数作为解释变量。因此选取我国31个省市地区的旅游业相关数据进行定量分析我国旅游业发展的影响因素。 二、模型设定 根据以上的分析，建立以下模型 Y=β 0+β1X 1 +β2X 2 +β 3 X 3 +β 4 X 4 +Ut 参数说明： Y ——旅游景区营业收入/万元 X 1 ——旅游业从业人员/人 X 2 ——旅游景区固定资产/万元 X 3 ——旅游外汇收入/万美元 X 4 ——城镇居民可支配收入/元
实验四异方差 4.1 实验目的 掌握异方差问题出现的来源、后果、检验及修正的原理，以及相关的EViews 操作方法。 思考： （1）异方差的问题属于计量经济学分析步骤中的哪一步需要考虑的？【模型检验——>计量经济意义检验】 （2）异方差检验的方法有哪些？【图检法、怀特检验、戈里瑟检验、等级相关系数检验、戈德菲尔德-夸特检验】每种方法的检验步骤是什么？【略】 （3）异方差出现时，如何补救？也即其修正方法是什么？【加权最小二乘法】 4.2 实验内容 已知某地区的个人储蓄Y，可支配收入X的截面样本数据，建立它们之间的线性计量经济模型，练习检查和克服模型的异方差的操作方法。【具体数据见教材p125】 4.3 实验步骤 4.3.1 检查模型是否存在异方差性 （1）图示法：利用残差图判断。建立残差关于x的散点图，如图4.1，可以发现随着x增加，残差呈现不断增大的趋势，即存在递增性的异方差。
图4.1 （2）用White方法检验是否存在异方差。 在一元线性回归的基础上，做White检验。在回归式窗口中点击View键选Residual Tests/White Heteroskedasticity功能，如图4.2。 图4.2 检验式存在有无交叉项两种选择，一般选择无交叉项，得到图4.3的结果：通过white检验中的p-值可以判断模型存在异方差。
图4.3 （3）用戈德菲尔德——夸特检验是否存在异方差 按X排序（数据资料已经完成升序排列） Data T Sort x Smpl 1 11 ls y c x Smpl 21 31 ls y c x 去掉中心9组数据，得到第一、二个子样本。其样本容量相等，同为11。 对两个子样本回归，见图4.4和图4.5。得到两组残差平方和。
某家庭对某种消费品的消费需要研究 一、经济理论陈述，变量确定 某家庭对某消费品的消费需要可以由该家庭的消费支出来表示，消费支出受商品价格、家庭月收入两个因素影响。用EVIEWS软件对相关数据进行了多元回归分析，得出了相关结论。 其中，被解释变量为：对某商品的消费支出（Y） 解释变量为：商品单价（X1）、家庭月收入（X2）二、模型形式的确定：散点图 通过OLS可得模型的散点图如下：
从散点图可以看出该家庭对某商品的消费支出(Y)和商品单价（X1）、家庭月收入（X2）大体呈现为线性关系， 三、建立模型 利用书P105页第11题数据，建立截面数据的计量经济模型，并进行回归分析。假设建立如下线性二元回归模型： Y=C+β1X1+β2X2+μ 其中，Y表示对某商品的消费支出，X1表示商品单价，X2表示家庭月收入，μ表示随机误差项。 1、参数估计： 假定所建模型及随机扰动项μ满足古典假定，可以用OLS 法估计其参数，运用计算机软件EViews作计量经济分析。通过OLS可得：
参数和估计结果为： =∧Y 626.5093-9.79057X1+0.028618X2 2、经济意义检验 所估计的参数β1=—9.79057，说明商品单价每提高1元，可导致对某商品的消费支出减少9.79057元。β2=0.028618，说明家庭月收入每提高1元，可导致对某商品的消费支出增加0.028618元，这与经济学中边际消费倾向的意义相符。 3、统计学检验 （1）拟合优度检验： 从回归估计的结果看，模型拟合较好：可决系数R 2=0.902218说明所建模型整体上对样本数据拟合较好，即解释变量“商
实验题目：多元线性回归、异方差、多重共线性 实验目的：掌握多元线性回归的最小二乘法，熟练运用Eviews软件的多元线性回归、异方差、多重共线性的操作，并能够对结果进行相应的分析。 实验内容：习题3.2，分析1994-2011年中国的出口货物总额（Y）、工业增加值（X2）、人民币汇率（X3），之间的相关性和差异性，并修正。 实验步骤： 1.建立出口货物总额计量经济模型： 错误！未找到引用源。（3.1） 1.1建立工作文件并录入数据，得到图1 图1 在“workfile"中按住”ctrl"键，点击“Y、X2、X3”，在双击菜单中点“open group”,出现数据 表。点”view/graph/line/ok”,形成线性图2。 图2 1.2对（3.1）采用OLS估计参数 在主界面命令框栏中输入ls y c x2 x3，然后回车，即可得到参数的估计结果，如图3所示。
图 3 根据图3中的数据，得到模型（3.1）的估计结果为 （8638.216）（0.012799）（9.776181） t=(-2.110573) (10.58454) (1.928512) 错误！未找到引用源。错误！未找到引用源。F=522.0976 从上回归结果可以看出，拟合优度很高，整体效果的F检验通过。但当错误！未找到引用源。=0.05时，错误！未找到引用源。=错误！未找到引用源。2.131.有重要变量X3的t检验不显著，可能存在严重的多重共线性。 2．多重共线性模型的识别 2.1计算解释变量x2、x3的简单相关系数矩阵。 点击Eviews主画面的顶部的Quick/Group Statistics/Correlatios弹出对话框在对话框中输入解释变量x2、x3，点击OK，即可得出相关系数矩阵（同图4）。 相关系数矩阵 图4 由图4相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。 2.2多重共线性模型的修正
异方差问题的检验与修正 【实验目的】 1、深刻理解异方差性的实质、异方差出现的原因、异方差的出现对模型的不良影响（即异方差的后果），掌握估计和检验异方差性的基本思想和修正异方差的若干方法。 2、能够运用所学的知识处理模型中的出现的异方差问题，并要求初步掌握用Eviews处理异方差的基本操作方法。 【实验原理】 1、最小二乘估计。 2、异方差。 3、最小二乘残差图解释异方差。 4、Breusch-Pagan检验（B-P检验）和White检验（怀特检验）检验特定方差函数的异方差性。 5、稳健标准差和加权最小二乘法对特定方差函数的异方差性的修正。 【实验软件】 Eviews6.0 【实验步骤】 一、设定模型 首先将实验数据导入软件之中。（注：本实验报告正文部分只显示软件统计结果，导入数据这一步骤参见附A） 本次实验的数据主要是Big Andy店的食品销售收入数据与食品价格数据，共采用了75组。 实验数据来源于课本中的例题，由老师提供。如下表： 表Big Andy店月销售收入和价格的观测值
sales price sales price sales price sales price 73.2 5.6975.7 5.5978.1 5.773.7671.8 6.4974.4 6.2288 5.2271.2 6.3762.4 5.6368.7 6.4180.4 5.0584.7 5.3367.4 6.2283.9 4.9679.7 5.7673.6 5.2389.3 5.0286.1 4.8373.2 6.2573.7 5.8870.3 6.4173.7 6.3585.9 5.3478.1 6.2473.2 5.8575.7 6.4783.3 4.9869.7 6.4786.1 5.4178.8 5.6973.6 6.3967.6 5.4681 6.2473.7 5.5679.2 6.2286.5 5.1176.4 6.280.2 6.4188.1 5.187.6 5.0476.6 5.4869.9 5.5464.5 6.4984.2 5.0882.2 6.1469.1 6.4784.1 4.8675.2 5.8682.1 5.3783.8 4.9491.2 5.184.7 4.8968.6 6.4584.3 6.1671.8 5.9873.7 5.6876.5 5.3566 5.9380.6 5.0282.2 5.7380.3 5.2284.3 5.273.1 5.0874.2 5.1170.7 5.8979.5 5.6281 5.2375.4 5.7175 5.2180.2 5.2873.7 6.0281.3 5.45 75 6.05 81.2 5.83 69 6.33 其中，sales 表示在某城市的月销售收入，以千美元为单位；price 表示在该城市的价格，以美元为单位。 假设表1中的月销售收入数据满足假设SR1—SR5。即，假设Big Andy 店的月销售收入的期望值是产品价格水平的线性函数，误差项额的均值为零，销售收入的方差和误差项e 的方差相同，随机误差项e 在统计上不相关，且选取的价格的值是非随机的。 这样，在上面的基础之上，建立Big Andy 的食品销售收入（sales ）与食品价格（price ）之间的线性模型方程： e price sales ++=10ββ根据最小二乘估计的思想估计模型参数，（此过程参见附B ）结果如下图： Coefficient Std.Error t-Statistic Prob.C 121.9002 6.52629118.678320.0000PRICE -7.829074 1.142865 -6.850394 0.0000R-squared 0.391301Mean dependent var 77.37467Adjusted R-squared 0.382963 S.D.dependent var 6.488537
方差分析实验报告 姓名：班级：学号（后3位）： 一．实验名称：方差分析 二．实验性质：综合性实验 三．实验目的及要求： 1．掌握【方差分析：单因素方差分析】的使用方法. 2．掌握【方差分析：无重复双因素分析】的使用方法. 3．掌握【方差分析：可重复双因素分析】的使用方法. 4．掌握方差分析的基本方法，并能对统计结果进行正确的分析. 四．实验内容、实验操作关键步骤及实验主要结果 1．用5种不同的施肥方案分别得到某种农作物的收获量（kg）如下： 施肥方案 1 2 3 4 5 67 98 60 79 90 67 96 69 64 70 收获量 55 91 50 81 79 42 66 35 70 88 α0.05下，检验施肥方案对农作物的收获量是否有显著影响． 在显著性水平= 实验操作关键步骤及实验主要结果 在EXCEL中选用【 】工具模块，得到如下表的实验结果．由于检验的P-value=，所以，施肥方案对农作物的收获量的影响 ．
2．某粮食加工厂试验三种储藏方法对粮食含水率有无显著影响，现取一批粮食分成若干份，分别用三种不同的方法储藏，过段时间后测得的含水率如下表： 储藏方法 含水率数据 A7.3 8.3 7.6 8.4 8.3 1 A 5.4 7.4 7.1 6.8 5.3 2 A7.9 9.5 10 9.8 8.4 3 α0.05下，检验储藏方法对含水率有无显著的影响． 在显著性水平= 实验操作关键步骤及实验主要结果 在EXCEL中选用【 】工具模块，得到如下表的实验结果．由于检验的P-value=，所以，储藏方法对含水率的影响 ．
3．进行农业实验，选择四个不同品种的小麦其三块试验田，每块试验田分成四块面积相等的小块，各种植一个品种的小麦，收获（kg）如下： 试验田 品种 1B 2B 3B 1A 26 25 24 2A 30 23 25 3A 22 21 20 4A 20 21 19 在显著性水平=α0.05下，检验小麦品种及实验田对收获量是否有显著影响． 实验操作关键步骤及实验主要结果 在EXCEL 中选用【 】工具模块，得到如下表的实验结果． （1）由于检验的 P-value=，所以，小麦品种对收获量的影响 ． （2）由于检验的 P-value=，所以，实验田对收获量的影响 ．
田青帆 31 国贸1001班 建立模型Y t=β1+β2X t+u X:1994-2011年中国国内生产总值 Y:1994-2011年中国进口总额 数据来源：国泰安数据服务中心一、异方差的检验 1、图示法 由上图可以看出，残差平方项e2随X的变动而变动，一次，模型很可能存在异方差，但是否确实存在异方差还应通过更进一步的检验。 2、等级相关系数检验
t值为，自由度为18-2=16 在95%的显著水平下，查表可得(16)= t＞(16),说明X i和｜e i｜之间存在系统关系，则说明模型中存在异方差 3、戈德菲尔德-夸特检验（样本分段比检验） 在本例中，样本容量为18，删去中间4个观测值，余下部分平分的两个样本区间：1-7和12-18，他们的样本数都是7个，用OLS方法对这两个子样本进行回归估计，结果如下图所示
计算检验统计量F F=[RSS ２/(n ２ -k)] ÷[RSS １ /(n １ -k)] n 2-k=n 1 -k=7-2=5 F=RSS 2/RSS 1 =4588102/= 在95%的显著水平下，查表可得（5，5）= F＞（5，5） 所以，模型存在异方差 4、戈里瑟（Glejser）检验
用残差绝对值建立的回归模型为｜e i ｜=α 1 +α 2 (1/X i ) 由上表可知，回归模型为｜e i ｜=+(1/X i ) α 2 ≠0，则存在异方差 5、怀特检验 由上图可知：P值=﹤，所以存在异方差
二、异方差的修正（加权最小二乘法） 1、选择1/x为权数，即对模型两边同时乘以1/x，使用最小二乘法进行回归估 计，所得结果如下： 由上图可知，P值=﹤，模型依然存在异方差 2、选择1/|e|为权数，即对模型两边同时乘以1/|e|，使用最小二乘法进行回归 估计，所得结果如下：
姓名学号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。
估计结果为： i Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670） 2R =0.854696 R =0.849107 S.E.=56.89947 DW=1.212859 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0.104393元。 2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =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 > )6,21(F 05.0= 4.23 ,
表明方程整体显著。 （三） 检验模型的异方差 ※（一）图形法 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2 i e 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2 i e 随i X 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）White 检验 White 检验结果 White Heteroskedasticity Test: F-statistic 3.607218 Probability 0.042036 Obs*R-squared 6.270612 Probability 0.043486 Test Equation: t 界值5.002 χ （2） =5.99147。比较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5 .002 χ（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t 1ω=1/t X ，t 2ω=1/2 t X ，t 3ω=1/t X 。 用权数t 1ω的结果
实验四-异方差性的检验与处理
实验四 异方差性的检验及处理（2学时） 一、实验目的 （1）、掌握异方差检验的基本方法； （2）、掌握异方差的处理方法。 二、实验学时：2学时 三、实验要求 （1）掌握用MATLAB 软件实现异方差的检验和处理； （2）掌握异方差的检验和处理的基本步骤。 四、实验原理 1、异方差检验的常用方法 (1) 用X-Y 的散点图进行判断 (2). 22 ?(,)(,)e x e y %%或的图形 ,),x )i i y %%i i （(e 或(e 的图形）
(3) 等级相关系数法（又称Spearman 检验） 是一种应用较广的方法，既可以用于大样本，也可与小样本。 :i u 0原假设H 是等方差的；:i u 0备择假设H 是异方差； 检验的三个步骤 ① ?t t y y =-%i e ② |i x %%i i 将e 取绝对值，并把|e 和按递增或递减次序排序， 计算Spearman 系数rs ,其中：2 1n i i d =∑s 2 6r =1-n(n -1) |i x %i i 其中， n 为样本容量d 为|e 和的等级的差数。 ③ 做等级相关系数的显著性检验。n>8时， 22(2) 1s s n t t n r -= --0当H 成立时， /2(2),t t n α≤-若认为异方差性问题不存在； /2(2),t t n α>-反之，若||i i e x %说明与之间存在系统关系， 异方差问题存在。
(4) 帕克(Park)检验 帕克检验常用的函数形式： 若α在统计上是显著的，表明存在异方差性。 2、异方差性的处理方法: 加权最小二乘法 如果在检验过程中已经知道：222 ()()()i i i ji u Var u E u f x σσ=== 则将原模型变形为： 121()()()() () i i p pi i ji ji ji ji ji y x x u f x f x f x f x f x βββ=+?++?+L 在该模型中： 22 11 ( )()()()()() i i ji u u ji ji ji Var u Var u f x f x f x f x σσ=== 即满足同方差性。于是可以用OLS 估计其参数，得到关于参数12,,,p βββL 的无偏、有效估计量。 五、实验举例 例1、某地区居民的可支配收入x(千元)与居民消费支出y(千元)的数据如下： No x y no x y 1 10 8 16 25 19.1 2 10 8.2 17 25 23.5 3 10 8.3 18 25 22. 4 4 10 8.1 19 2 5 23.1 5 10 8.7 20 25 15.1 6 15 12.3 21 30 24.2 7 15 9.4 22 30 16.7 8 15 11.6 23 30 27 9 15 12 24 30 26 10 15 8.9 25 30 22.1 11 20 15 26 35 30.5 12 20 16 27 35 28.7 13 20 12 28 35 31.1 14 20 13 29 35 20 15 20 19.1 30 35 29.9