当前位置：文档之家 › 实验五异方差模型的检验

实验五异方差模型的检验

  • 格式：docx
  • 大小：69.90 KB
  • 文档页数：15
（二）异方差的处理
1.模型【1】中CZ对CS回归异方差的处理
已知CZ对CS回归异方差的形式为： ，选取权数，使用ቤተ መጻሕፍቲ ባይዱ权最小二乘法处理异方差。
并检验处理异方差之后模型是否仍存在异方差，若仍然存在异方差，请继续处理异方差。摘录主要结果附在本页内。
DependentVariable:CZ
Method:LeastSquares
Date:06/07/15Time:13:32
Sample:
Includedobservations:28
Weightingseries:1/(CS^(1/2))
Variable
Coefficient
t-Statistic
Prob.??
CS
C
WeightedStatistics
R-squared
????Meandependentvar
Variable
Coefficient
t-Statistic
Prob.??
CS^2
C
R-squared
????Meandependentvar
AdjustedR-squared
????
四、开根号项 回归
DependentVariable:E1
Method:LeastSquares
Date:06/07/15Time:13:24
AdjustedR-squared
????
（请对得到的图表进行处理，以上在一页内）
检验法
用Glejser检验法检验模型【1】是否存在异方差。
分别用残差的绝对值对自变量的一次项 、二次项 ，开根号项 和倒数项 作回归。检验异方差是否存在，并选定异方差的最优形式。
摘录主要结果附在本页内。
一、一次项 回归
Sample:
Includedobservations:28
Variable
Coefficient
t-Statistic
Prob.??
CS^(1/2)
R-squared
????Meandependentvar
AdjustedR-squared
????
五、倒数项 作回归
DependentVariable:E1
（一）异方差的检验
1.图形检验法
分别用相关分析图和残差散点图检验模型【1】、模型【2】和模型【3】是否存在异方差。
注：①相关分析图是作应变量对自变量的散点图（亦可作模型残差对自变量的散点图）；
②残差散点图是作残差的平方对自变量的散点图。
③模型【2】中作图取自变量为GDPS来作图。
模型【1】
相关分析图
进行同方差行变换，然后回归实际上就是CZ/(CS^(1/2)对1/(CS^(1/2))和CS/(CS^(1/2)回归，结果如下：
DependentVariable:CZ/(CS^(1/2))
Method:LeastSquares
Date:06/07/15Time:13:39
Sample:
Includedobservations:28
实验报告
课程名称：计量经济学
实验项目：实验五异方差模型的
检验和处理
实验类型：综合性□设计性□验证性?
专业班别：12国
姓名：
学号：412
实验课室：厚德楼A404
指导教师：
实验日期：2015年5月28日
广东商学院华商学院教务处制
一、实验项目训练方案
小组合作：是□否?
小组成员：无
实验目的：
掌握异方差模型的检验和处理方法
????
模型【3】
HeteroskedasticityTest:White
F-statistic
????(2,15)
Obs*R-squared
????(2)
ScaledexplainedSS
????(2)
TestEquation:
DependentVariable:RESID^2
Method:LeastSquares
DependentVariable:E1
Method:LeastSquares
Date:06/07/15Time:13:17
Sample:
Includedobservations:28
Variable
Coefficient
t-Statistic
Prob.??
CS
C
R-squared
????Meandependentvar
Date:06/07/15Time:12:51
Sample:118
Includedobservations:18
Variable
Coefficient
t-Statistic
Prob.??
C
1865425.
2810916.
X
X^2
R-squared
????Meandependentvar
1232693.
Variable
Coefficient
t-Statistic
Prob.??
1/(CS^(1/2))
CS/(CS^(1/2))
R-squared
????Meandependentvar
AdjustedR-squared
????
观察其残差趋势图
还是存在异方差，再改为CZ/CS对1/CS和回归，如果如下:
Prob.??
CS
R-squared
????Meandependentvar
AdjustedR-squared
????
三、二次项 回归
DependentVariable:E1
Method:LeastSquares
Date:06/07/15Time:13:19
Sample:
Includedobservations:28
AdjustedR-squared
????
观察其残差趋势图
（请对得到的图表进行处理，以上在两页内）
2.模型【2】中ZJ对GDPS和T回归异方差的处理
已知ZJ对GDPS和T回归异方差的形式为： ，选取权数，使用加权最小二乘法处理异方差。
并检验处理异方差之后模型是否仍存在异方差，若仍然存在异方差，请继续处理异方差。摘录主要结果附在本页内。
DependentVariable:ZJ
Method:LeastSquares
Date:06/07/15Time:13:46
Sample:
模型【2】
相关分析图
残差散点图
模型【3】
相关分析图
残差散点图
【思考】①相关分析图和残差散点图的不同点是什么？
②*在模型【2】中，自变量有两个，有无其他处理方法？尝试做出来。
（请对得到的图表进行处理，以上在一页内）
检验法
用Goldfeld-Quanadt检验法检验模型【3】是否存在异方差。
注：Goldfeld-Quanadt检验法的步骤为：①排序：②删除观察值中间的约1/4的，并将剩下的数据分为两个部分。③构造F统计量：分别对上述两个部分的观察值求回归模型，由此得到的两个部分的残差平方为 和 。 为较大的残差平方和， 为较小的残差平方和。④算统计量 。⑤判断：给定显着性水平 ，查F分布表得临界值 。如果 ，则认为模型中的随机误差存在异方差。（详见课本135页）
Date:06/07/15Time:12:44
Sample:
Includedobservations:28
Variable
Coefficient
t-Statistic
Prob.??
C
CS
CS^2
R-squared
????Meandependentvar
AdjustedR-squared
????
模型【2】
Date:06/07/15Time:12:47
Sample:
Includedobservations:28
Variable
Coefficient
t-Statistic
Prob.??
C
GDPS
GDPS^2
GDPS*T
T
T^2
R-squared
????Meandependentvar
AdjustedR-squared
（请对得到的图表进行处理，以上在一页内）
检验法
分别用White检验法检验模型【1】、模型【2】和模型【3】是否存在异方差。
Eviews操作：先做模型，选view/ResidualTests/HeteroskedasticityTests/White/(勾选crossterms)。摘录主要结果附在本页内。
AdjustedR-squared
????
回归方程为
它与存在异方差的如下方程估计有所不同。
至于经过加权最小二乘法估计的残差项是否存在异方差，同样可以用本实验的异方差模型的检验去检验，但是若在eviews中使用wls命令估计的序列resed不能用俩检验，因为产生的序列resid是非加权方式的残差。要想检验只能自己进行同方差变换，然后回归以后再检验了。
Coefficient
t-Statistic
Prob.??
X
C
R-squared
????Meandependentvar
AdjustedR-squared
????
有上图可知
， =1757380?F=? / 在 下，上式中分子、分母的自由度均为5，查F分布表得临界值（5,5）=，因为F=?（5,5）=，所以拒接原假设，说明模型存在异方差。?
AdjustedR-squared
????
二、去掉常数项再回归?
DependentVariable:E1

合集下载

异方差实验报告

异方差实验报告

《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.=56.90372.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）：接着，根据戈德菲尔德检验得到F统计量：（两个残差平方和相除，大的除以小的）F=63769.67/2577.969=24.736。

异方差性及其检验

异方差性及其检验

异方差性及其检验I 概念对于多元线性回归模型同方差性假设为 如果出现即对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，不具有等同的分散程度，则认为出现了异方差（Heteroskedasticity ） II 类型同方差性假定是指，回归模型中不可观察的随机误差项i u 以解释变量X 为条件的方差是一个常数，因此每个i u 的条件方差不随X 的变化而变化，即有2()i i f X σ=≠常数在异方差的情况下，总体中的随机误差项i u 的方差 2i σ不再是常数，通常它随解释变量值的变化而变化，即异方差一般可归结为三种类型：01122 1,2,,i i i k ki i Y X X X i n ββββμ=+++++=2(), 1,2,...,i Var i n μσ==2(), 1,2,...,i i Var i nμσ==2()i i f X σ=异方差类型图：III来源（1）截面数据（不同样本点除解释变量外其他影响差异大）（2）时间序列（规模差异）（3）分组数据、异常值等（4）模型函数形式设置不正确和数据变形不正确（5）边错边改学习模型IV影响计量经济学模型一旦出现异方差，如果仍然用普通最小二乘法估计模型参数，会产生一系列不良后果。

（1）参数估计量非有效（2）OLS估计的随机干扰项的方差不再是无偏的（3）基于OLS估计的各种统计检验非有效（4）模型的预测失效V检验异方差性，即相对于不同的样本点，也就是相对于不同的解释变量观测值，随机干扰项具有不同的方差，那么检验异方差性，也就是检验随机干扰项的方差与解释变量观测值之间的相关性。

一般检验方法如下：（1）图示检验法（2）帕克(Park)检验与戈里瑟(Gleiser)检验（3）G-Q（Goldfeld-Quandt）检验（4）F检验（5）拉格朗日乘子检验（6）怀特检验（具体步骤随后介绍）VI修正方法加权最小二乘法定义：加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用OLS法估计其参数。

计量经济学 异方差检验

计量经济学 异方差检验

计量经济学实验报告【实验名称】异方差的检验和修正【实验目的】掌握用Eviews 检验模型中异方差问题的检验和补救方法，能够正确理解和分析Eviews的输出结果【实验内容】（1）试利用OLS法建立人均消费性支出与可支配收入的线性模型；（2）检验模型是否存在异方差性；（3）如果存在异方差性，试采用适当的方法估计模型参数。

【结果分析】1.建立模型打开Eviews软件，选中File\New\Workfile以创建一个工作文件，文件结构类型为undated。

在命令栏中输入“data X Y”，回车后得到一个未命名的组，向组中输入数据。

如下图。

设可支配收入为变量X（横坐标），消费性支出为变量Y（纵坐标），选中Quick\Graph，在出现的对话框中输入“X Y”，点击OK后在新出现的Graph对话框中，在Graph type中选择Categorical Graph下的scatter，点击OK，如下图所示：以X 为解释变量，Y 为被解释变量，建立一元线性回归方程：i 0i i Y =+*X ββ选中Object/New Objects ，在新建对象对话框中选中对象为Equation ，在出现的对话框中输入“y c x ”，进行回归分析，得到如下结果。

可以得出0β=725.3459 1β =0.664746 线性回归方程为：i Y =0β+1β *X=725.3459+0.664746*X（1.589047）（22.49622）2R=0.945802 F=506.0798由散点图可知，原模型很可能存在异方差性，为此，进一步的进行更精确的检验。

G-Q检验：升序排列去掉中间的7个样本，剩余24个样本，再分成两个样本容量为12的子样本，对两个子样本分别用OLS法作回归：键入命令Smpl 1 12Equation eq01.Is Y C XSmpl 20 31Equation eq02.Is Y C X完成对两个子样的回归；0β’=669.5344 1β’=0.677374i Y =0β’+ 1β’*X=669.5344+0.677374*X子样1： (0.281991) (3.490176)RSS1=1971249i Y =1179.053+0.644719*X子样2： (0.954140) (9.951062) RSS2=8403437计算F 统计量：F=197124984034371112/21-1-12/1=--）（）（RSS RSS =4.263 在5%的显著性水平下，自由度为（10,10）的F 分布的临界值为4.263，于是拒绝同方差的原假设，表明模型存在异方差。

实验异方差模型的检验和处理学生实验报告

实验异方差模型的检验和处理学生实验报告

F-statistic
4.703427
Durbin-Watson stat
1.930056
Prob(F-statistic)
0.018458
模型【3】
Heteroskedasticity Test: White
F-statistic
14.65680
Prob. F(1,16)
0.0015
Obs*R-squared
Prob.
Y
-0.100666
0.093257
-1.079451
0.3297
C
9534.708
1265.147
7.536443
0.0007
R-squared
0.188998
Mean dependent var
8243.949
Adjusted R-squared
0.026798
S.D. dependent var
19.56939
Log likelihood
-76.19814
Hannan-Quinn criter.
19.41558
F-statistic
5.587862
Durbin-Watson stat
0.656404
Prob(F-statistic)
0.055988
（请对得到的图表进行处理，以上在一页内）
3.White检验法
实验报告
课程名称：计量经济学
实验项目：实验五异方差模型的
检验和处理
实验类型：综合性□设计性□验证性
专业班别：
姓名：
学号：
实验课室：
指导教师：石立
实验日期：
广东商学院华商学院教务处制