下载文档原格式
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。
计量经济学异方差实验报告及心得体会一、实验简介本实验旨在通过构建模型来研究经济学中的异方差问题，并通过实证分析来探讨其对模型结果的影响。
实验数据采用随机抽样方法自真实经济数据中获取，共包括两个自变量和一个因变量。
在实验中，我将对模型进行两次回归分析，一次是假设无异方差问题，一次是考虑异方差问题，并比较两个模型的结果。
二、实验过程1.数据准备：根据实验设计，我根据随机抽样方法，从真实经济数据中抽取了一部分样本数据。
2.模型建立：我将自变量Y和X1、X2进行回归分析。
首先，我假设模型无异方差问题，得到回归结果。
然后，我将检验异方差性，若存在异方差问题，则建立异方差模型继续回归分析。
3.模型估计：利用最小二乘法进行参数估计，并计算回归结果的标准差和假设检验。
4.模型比较：对比两个模型的回归结果，分析异方差对模型拟合程度和参数估计的影响。
三、实验结果1.无异方差假设模型回归结果：回归方程：Y=0.9X1+0.5X2+2.1标准差：0.3显著性水平：0.05拟合优度：0.852.考虑异方差问题模型回归结果：回归方程：Y=0.7X1+0.4X2+1.9标准差：0.6显著性水平：0.05拟合优度：0.75四、实验心得体会通过本次实验，我对计量经济学中的异方差问题有了更深入的了解，并进一步认识到其对模型结果的影响。
1.异方差问题的存在会对统计推断结果产生重要影响。
在本次实验中，考虑异方差问题的模型相较于无异方差模型，参数估计值差异较大，并且拟合优度也有所下降。
因此，我们在实证分析中应尽可能考虑异方差问题。
2.在实际应用中，异方差问题可能较为普遍。
经济学中的许多变量存在异方差性，例如，个体收入、消费支出等。
因此，在进行经济学研究时，我们应当警惕并尽量排除异方差问题。
3.针对异方差问题，我们可以采用多种方法进行调整，例如，利用异方差稳健标准误、加权最小二乘法等。
在本次实验中，我们采用了异方差模型进行调整，并得到了相对较好的结果。
一、实验背景与目的随着经济全球化、信息化的发展，计量经济学在各个领域的应用越来越广泛。
然而，在实际应用中，由于数据的特点和模型设定等因素的影响，异方差现象常常出现。
异方差现象会导致估计结果的偏差和统计推断的无效，因此，对异方差的检验和修正成为计量经济学中的重要问题。
本实验旨在通过实证分析，掌握异方差的检验和修正方法，提高对计量经济学模型的理解和应用能力。
二、实验数据与模型1. 数据来源本实验数据来源于某地区2000-2019年的居民消费数据，包括居民消费性支出、可支配收入、商品价格指数等变量。
2. 模型设定根据数据特点，本实验建立如下线性回归模型：消费性支出= β0 + β1 可支配收入+ β2 商品价格指数+ ε其中，β0为截距项，β1和β2为回归系数，ε为误差项。
三、实验步骤1. 异方差检验（1）图示法首先，将消费性支出与可支配收入、商品价格指数进行散点图绘制，观察是否存在明显的线性关系。
若存在明显的线性关系，则进一步进行异方差检验。
（2）Breusch-Pagan检验对上述线性回归模型进行Breusch-Pagan检验，以判断是否存在异方差。
检验方法如下：H0：模型不存在异方差H1：模型存在异方差计算Breusch-Pagan统计量，并根据自由度和显著性水平查表得到临界值。
若统计量大于临界值，则拒绝原假设，认为模型存在异方差。
2. 异方差修正若检验结果表明模型存在异方差，则采用加权最小二乘法（WLS）进行修正。
（1）确定权重根据异方差检验结果，计算每个观测值的权重。
权重计算公式如下：w_i = 1 / σ_i^2其中，σ_i^2为第i个观测值的方差。
（2）加权最小二乘法估计利用加权最小二乘法对模型进行估计，得到修正后的回归系数。
四、实验结果与分析1. 异方差检验结果根据图示法，消费性支出与可支配收入、商品价格指数之间存在明显的线性关系。
Breusch-Pagan检验结果显示，在5%的显著性水平下，统计量大于临界值，拒绝原假设，认为模型存在异方差。
内蒙古科技大学实验报告课程名称：计量经济学实验项目名称：单方程线性回归模型中异方差的检验与补救院（系）：经济与管理学院专业班级：姓名：学号：内蒙古科技大学实验地点：实验日期： 2013年 5 月 15 日实验目的：掌握利用EViews软件对模型中存在的异方差进行检验和补救。
实验内容：根据我国2000年部分地区城镇居民每个家庭平均全年可支配收入X与消费支出Y的统计数据，通过建立双变量线性回归模型分析人均可支配收入对人均消费支出的线性影响，并讨论异方差的检验与修正过程。
1、异方差的检验1）图示法2）Park检验3）Glejser检验4）Goldfeld-Quandt检验5）White检验2、异方差的补救1）加权最小二乘法（WLS）2）对数变换实验方法、步骤和结果：一、前期准备工作，数据粘贴file-new-workfileQuick-empty group内蒙古科技大学并对数据重命名 ser01-x ser02-y二、异方差的检验1、先对x、y进行估计。
在quick中选择estimate equation编辑方程y c x内蒙古科技大学2、将x、y建组，并命名为group02,并在group02中view菜单下选择graph-scatter-simple scaterr画出散点图。
从图像中可看出，三点分布由集中到慢慢扩大，而且比较明显，所以说该模型可能存在异方差。
3、y的估计值与残差平方的散点图进行判断首先在eq01中proc菜单下选择make residual series,命名为res，找到残差。
如图：内蒙古科技大学然后在eq01菜单下选择forecast，命名为yf。
找到y的估计值，点击ok内蒙古科技大学4、在eviews下quick菜单中graph——scatter 编辑方程yf c res^2,点击ok由图可知，三点较为凌乱，其估计模型不为一条斜率为零的直线，所以该模型中可能存内蒙古科技大学在异方差。
西安财经学院本科实验报告学院（部）统计学院实验室 313 课程名称计量经济学学生姓名学号 1204100213 专业统计学教务处制2014年12 月 15 日《异方差》实验报告开课实验室：313 2014年12月22第六部分异方差与自相关4. 在本例中，参数估计的结果为：2709030.01402097.01402.728X X Y ++=Λ(2.218) (2.438) (16.999)922173.02=R D.W.=1.4289 F=165.8853 SE=395.2538三．检查模型是否存在异方差 1．图形分析检验 (1)散点相关图分析分别做出X1和Y 、X2和Y 的散点相关图，观察相关图可以看出，随着X1、X2的增加，Y 也增加，但离散程度逐步扩大，尤其表现在X1和Y.这说明变量之间可能存在递增的异方差性。
在Graph/scatter 输入log(x2) e^2，结果如下：（2）残差相关图分析建立残差关于X1、X2的散点图，可以发现随着X 的增加，残差呈现明显的扩大趋势，表明模型很可能存在递增的异方差性。
但是否确实存在异方差还应通过更进一步的检验。
2.GQ 检验首先在主窗口Procs菜单里选Sort current page命令，输入排序变量x2，以递增型排序对解释变量X2进行排序，然后构造子样本区间，分别为1-12和20-31，再分别建立回归模型。
(1)在Sample菜单里，将区间定义为1—12，然后用OLS方法求得如下结果(2)在Sample菜单里，将区间定义为20—31，然后用OLS方法求得如下结果则F的统计量值为：6699.834542929948192122===∑∑iieeF在05.0=α下，式中分子、分母的自由度均为9，查F分布表得临界值为：18.3)9,9(05.0=F，因为F=8.6699>18.3)9,9(05.0=F,所以拒绝原假设，表明模型确实存在异方差。
西安财经学院本科实验报告学院（部）统计学院实验室313课程名称计量经济学学生姓名学号1204100213专业统计学教务处制2014年12 月15 日《异方差》实验报告五、实验过程原始记录（数据、图表、计算等) 一．选择数据1.建立工作文件并录入数据File\New\workfile, 弹出Workfile create 对话框中选择数据类型.Object\new object\group,按向上的方向键，出现两个obs 后输入数据.中国内地2006年各地区农村居民家庭人均纯收入与消费支出 单位：元城市 y x1 x2 城市 y x1 x2 北京 5724。
5 958.3 7317。
2 湖北 2732。
5 1934。
6 1484。
8 天津 3341。
1 1738.9 4489 湖南 3013。
3 1342.6 2047 河北 2495。
3 1607。
1 2194。
7 广东 3886 1313。
9 3765.9 山西 2253.3 1188。
2 1992.7 广西 2413。
9 1596。
9 1173。
6 内蒙古 2772 2560.8 781.1 海南 2232。
2 2213。
2 1042.3 辽宁 3066。
9 2026。
1 2064。
3 重庆 2205。
2 1234.1 1639。
7 吉林 2700.7 2623。
2 1017。
9 四川 2395 1405 1597.4 黑龙江 2618。
2 2622.9 929.5 贵州 1627。
1 961。
4 1023。
2 上海 8006 532 8606.7 云南 2195.6 1570。
3 680。
2 江苏 4135.2 1497。
9 4315.3 西藏 2002。
2 1399.1 1035.9 浙江 6057。
2 1403.1 5931。
7 陕西 2181 1070。
4 1189。
8 安徽 2420。
9 1472。
8 1496。
3 甘肃 1855.5 1167。
经济计量分析实验报告一、实验项目异方差的检验及修正二、实验日期2015.12.06三、实验目的对于国内旅游总花费的有关影响因素建立多元线性回归模型，对变量进行多重共线性的检验及修正后，进行异方差的检验和补救。
四、实验内容建立模型，对模型进行参数估计，对样本回归函数进行统计检验，以判定估计的可靠程度，包括拟合优度检验、方程总体线性的显著性检验、变量的显著性检验，以及参数的置信区间估计。
检验变量是否具有多重共线性并修正。
检验是否存在异方差并补救。
五、实验步骤1、建立模型。
以国内旅游总花费Y 作为被解释变量，以年底总人口表示人口增长水平，以旅行社数量表示旅行社的发展情况，以城市公共交通运营数表示城市公共交通运行状况，以城乡居民储蓄存款年末增加值表示城乡居民储蓄存款增长水平。
2、模型设定为:t t t t t μβββββ+X +X +X +X +=Y 443322110t 其中：t Y — 国内旅游总花费（亿元） t 1X — 年底总人口（万人） t 2X — 旅行社数量（个） t 3X — 城市公共交通运营数（辆）t 4X — 城乡居民储蓄存款年末增加值（亿元）3、对模型进行多重共线性检验。
4、检验异方差是否存在。
六、实验结果（一）、消除多重共线性之后的模型多元线性回归模型估计结果如下：4321000779.0053329.0151924.0720076.0-99.81113ˆX +X +X +X =Y i SE=(26581.73) (0.230790) (0.108223) (0.013834) (0.020502) t =(3.051494) (-3.120046) (1.403805) ( 3.854988) (0.038020)R2=0.969693R2=0.957571F=79.98987(1)拟合优度检验：可决系数R 2=0.969693较高，修正的可决系数R 2=0.957571也较高，表明模型拟合较好。
实验二：异方差和自相关模型的检验和处理二、实验目的(1) 熟悉EViews软件在自相关模型中的根本使用方法；(2) 掌握异方差、自相关模型的检验和处理方法；三、实验的软硬件环境要求硬件环境要求：科学计算与经济分析实验室，计算机网络设备，需要连接Internet使用的软件名称、版本号以及模块带Windows操作系统以及EViews应用演示软件。
四、知识准备前期要求掌握的知识：了解EViews软件在自相关和异方差分析中的根本概念和根本功能，理解违背线性回归模型的根本假设中的自相关和异方差产生的原因，解决这两类问题的根本理论。
实验相关理论或原理：(1)理解线性模型违背根本假设：误差项同方差性、无序列相关性的含义及其在实际经济问题中产生的原因；(2)掌握线性模型异方差性和序列相关性的检验的统计思想和EViews实现。
(3) 掌握线性模型异方差性和序列相关性的处理方法统计思想和EViews实现。
实验流程：线性回归模型假设→线性回归模型异方差和序列相关性检验→线性回归模型异方差和序列相关性的处理→线性回归模型的修正。
五、实验材料和原始数据表2.1 各地区农村居民家庭人均纯收入与消费支出〔单位：元〕表2.2 1978~2001年中国商品进口与国内生产总值六、实验要求和考前须知能用EViews软件完成线性回归模型的异方差和序列相关性的检验和处理，以及对模型的修正。
能对软件输出的结果能做较详细的分析，能结合数据提出自己的见解。
七、实验内容及步骤〔一〕异方差1.加载工作文件。
(1)建立工作文件的方法是点击,选择新建对象类型为工作文件，选择数据类型，注意本数据是截面数据。
建立工作文件，建立新序列，建立空组。
创立三个序列Y(人均消费支出)、X1(从事农业经营的收入)、X2(其他收入)并输入数据。
进入界面后输入数据如图3－1，3-2所示。
图3－1 图3－22.选择方程〔1〕根据消费理论，中国农村居民人均消费主要由人均纯收入决定，为了考察从事农业经营的收入和其他收入对农村居民消费支出增长的影响，考虑双对数模型：01122ln ln ln Y X X βββμ=+++〔2〕先对模型进展估计。
一、实验背景在计量经济学中，异方差性是指模型中因变量方差与自变量之间存在非线性关系。
异方差性会导致最小二乘估计量（OLS）不再有效，从而影响模型的准确性和可靠性。
因此，识别和处理异方差性对于模型分析至关重要。
本次实训旨在通过实际操作，掌握异方差性的检验方法，并学习如何运用加权最小二乘法（WLS）对异方差模型进行修正。
二、实验目的1. 理解异方差性的概念及其对模型的影响。
2. 掌握异方差性的检验方法，包括散点图、方差分析（ANOVA）和Breusch-Pagan 检验等。
3. 学习加权最小二乘法（WLS）的基本原理和操作步骤。
4. 通过实际案例，验证WLS在处理异方差性方面的有效性。
三、实验内容1. 数据准备本次实训以某地区居民消费数据为例，包括地区、可支配收入和消费性支出三个变量。
数据来源于国家统计局。
2. 模型建立采用普通最小二乘法（OLS）建立消费性支出与可支配收入之间的关系模型：消费性支出= β0 + β1 × 可支配收入+ ε其中，β0为截距项，β1为斜率系数，ε为误差项。
3. 异方差性检验（1）散点图分析通过绘制消费性支出与可支配收入的散点图，观察数据是否存在明显的异方差性。
若散点图呈现非线性关系，则可能存在异方差性。
（2）方差分析（ANOVA）对消费性支出和可支配收入进行方差分析，检验两者是否存在显著差异。
若差异显著，则可能存在异方差性。
（3）Breusch-Pagan检验采用Breusch-Pagan检验对模型进行异方差性检验。
若检验结果拒绝原假设，则说明模型存在异方差性。
4. 加权最小二乘法（WLS）修正若检验结果显示模型存在异方差性，则采用加权最小二乘法（WLS）对模型进行修正。
WLS的基本原理是在模型中引入权重，使得权重与误差项的方差成反比。
具体操作步骤如下：（1）计算每个观测值的权重，即：权重 = 1 / 误差项的方差（2）将权重代入模型，重新估计参数。
5. 结果分析比较WLS修正前后模型的参数估计结果、拟合优度和显著性水平。
实验一异方差的检验与修正一、实验目的：了解异方差(heteroscedasticity)、Goldfeld-Quandt 检验、Spearman rank correlation 检验、Park 检验、Glejser 检验、Breusch-Pagan 检验、White 检验、加权最小二乘法( weighted least squares,简记WLS )、模型对数变换法等基本概念及异方差产生的原因和后果。
掌握异方差的检验与修正方法以及如何运用Eviews软件在实证研究中实现相关检验与修正。
二、基本概念：异方差(heteroscedasticy)就是对同方差假设(assumption of homoscedasticity)的违反。
经典回归中同方差是指随着样本观察点X的变化，线性模型中随机误差项的方差并不改变，保持为常数。
异方差的检验有图示法及解析法，检验异方差的解析方法的共同思想是，由于不同的观察值随机误差项具有不同的方差，因此检验异方差的主要问题是判断随机误差项的方差与解释变量之间的相关性。
异方差的修正方法有加权最小二乘法和模型对数变换法等，其基本思路是变异方差为同方差，或者尽量缓解方差变异的程度。
三、实验内容及要求：内容：根据北京市1978-1998年人均储蓄与人均收入的数据资料，若假定X为人均收入(元)，丫为人均储蓄(元)，通过建立一元线性回归模型分析人均储蓄受人均收入的线性影响，并讨论异方差的检验与修正过程。
要求：(1)深刻理解上述基本概念(2 )思考：异方差的各种检验方法所适用的情况及如何运用加权最小二乘法(WLS )修正异方差？(3)熟练掌握相关Eviews操作四、实验指导：1•用OLS估计法估计参数(1)导入数据打开Eviews 软件，选择"File” 菜单中的“New--Workfile ” 选项，出现“Workfile Range ' 对话框，在"Workfile frequency ”框中选择"Annual”，在"Start date”和"End date”框中分别输入“ 1978”和“ 1998”，如下图：图1 — 1 建立新文件然后单击“ OK”，弹出如下窗口:图1 — 2 建立新文件选择"File”菜单中的“ lmport--Read Text-Lotus-Excel "选项，找到要导入的名为EX3.2.xls 的Excel 文档，单击"打开”出现" Excel Spreadsheet Import”对话框并在其中输入"x”和“y ” ,如下图所示：图1 —3导入数据再单击“ OK”完成数据导入。
EViews计量经济学实验报告异⽅差的诊断及修正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： iY ? = 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2i 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-statistic3.607218 Probability 0.042036 Obs*R-squared6.270612 Probability0.043486Test Equation:t 界值5.002χ（2）=5.99147。
⽐较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5.002χ（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。
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：异方差性姓名：学号：10指导老师：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】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（/tjsj/ndsj/2012/indexch.htm）→工业（按行业分规模以上工业企业主要经济效益指标）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1个样本和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8067.52。
SMPL 1 10LS 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25214669。
SMPL 20 29LS Y C X图4 样本2回归结果⑷计算F 统计量：12/RSS RSS F =＝25214669/8067.52=3125.45，21RSS 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44.345.312505.0=>=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。
计量经济学实验报告关于异方差性的检验与修正2012/11/18学院：国际教育学院专业：国际经济与贸易班级：10级一班姓名：苗子凯学号：1014102025一．异方差检验运行Eviews,依次单击file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
然后开始进行LS回归，命令栏中输入“ls y c x”回车，即得到回归结果如下回归方程为：：Y = 272.3635389 + 0.7551249391*X二．开始检验异方差White 检验法:依次单击View →Residual Tests →Heteroskedasticity test →Whit 经估计出现white 检验结果，如下图：所以拒绝原假设，表明模型存在异方差Goldfeld-Quanadt 检验法： 在命令栏中直接输入：ls y c x →sort 1 20(进行排序) →smpl 1 8 →ls y c x →enter 得到如下结果：99.5%565.122置信水平下的卡方值>=nR继续取样本，在命令栏中直接输入： smpl 13 20 →ls y c x→enter得到如下结果：计算F统计量：F=RSS2/RSS1=615472.0/126528.3=4.864；F=4.864> F0.05（6,6）=4.28，拒绝原假设，表明模型确实存在异方差性。
帕克检验重新打开eviews，依次键入以下步骤：file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
然后键入：genr lne2=log(resid^2) → genr lnx=log(x) →ls lne2 c lnx得到结果如下：可得到α=3.47，且t=2.89，说明显著性明显，而α的显著性不为零意味着存在显著性。
计量经济学异方差实验报告及心得体会一、实验报告实验步骤：1、设定实验数据：设置自变量X和因变量Y，并人为引入异方差，即error项的方差不恒定。
2、建立回归模型：根据设定的数据，建立回归模型，运用最小二乘法估计模型参数。
3、对回归结果进行分析：通过查看回归系数、残差和残差的图形等，判断是否存在异方差问题。
4、进行异方差检验：利用统计软件进行异方差检验，如White 检验或Breusch–Pagan检验等，获取检验结果。
5、处理异方差问题：根据异方差检验结果，采取相应的处理方法，如使用加权最小二乘法或进行异方差稳健标准误的估计。
6、比较处理前后的回归结果：对处理前后的回归结果进行比较和分析，观察异方差的处理是否有效。
实验结果：在实验过程中，我们设定了一个简单的回归模型，并引入异方差。
经过处理异方差问题后，我们发现被异方差影响的模型的回归系数和标准误均有所变化。
而经过异方差处理后，回归结果更加稳定，模型的预测能力也相应提高。
二、心得体会通过本次实验，我对计量经济学中异方差的概念和影响有了更加深入的了解。
异方差问题存在时，回归模型的估计结果可能会产生偏误，影响模型的准确性。
因此，我们需要进行异方差检验，并采取相应的处理方法。
实验过程中，我们运用了统计软件进行异方差检验和处理，这使得整个分析过程更加简洁和高效。
此外，本次实验还提醒我们在实际研究中要注意可能存在的异方差问题，并及时处理。
在计量经济学领域，处理异方差问题的方法有很多，选择适合实际情况的方法非常重要。
因此，我们需要不断学习和实践，提高自己的计量经济学分析能力。
总之，本次实验对我们深入理解异方差在计量经济学中的重要性起到了很好的引导作用。
通过亲自操作和实践，我们能更好地掌握计量经济学分析的方法和技巧，有助于我们在未来的研究和实践中更好地运用和应用计量经济学知识。
《计量经济学》实训报告实训项目名称异方差模型的检验与处理实训时间 2012-01-02实训地点实验楼308班级学号姓名实 训 (实 践 ) 报 告实 训 名 称 异方差模型的检验与处理一、 实训目的掌握异方差性的检验及处理方法。
二 、实训要求1.求销售利润与销售收入的样本回归函数，并对模型进行经济意义检验和统计检验；2.分别用图形法、Goldfeld-Quant 检验、White 方法检验模型是否存在异方差；3.如果模型存在异方差，选用适当的方法对异方差进行修正，消除或减小异方差对模型的影响。
三、实训内容建立并检验我国制造业利润函数模型，检验异方差性，并选用适当方法对其进行修正，消除或不同）四、实训步骤1.建立一元线性回归方程；2.建立Workfile 和对象，录入数据；3.分别用图形法、Goldfeld-Quant 检验、White 方法检验模型是否存在异方差；4.对所估计的模型再进行White 检验，观察异方差的调整情况，从而消除或减小异方差对模型的影响。
五、实训分析、总结表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。
假设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：12i i i Y X u ββ=++其中i Y 表示销售利润，i X 表示销售收入。
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Y 销售收入X 行业名称销售利润销售收入食品加工业187.25 3180.44 医药制造业238.71 1264.1食品制造业111.42 1119.88 化学纤维制品81.57 779.46饮料制造业205.42 1489.89 橡胶制品业77.84 692.08烟草加工业183.87 1328.59 塑料制品业144.34 1345纺织业316.79 3862.9 非金属矿制品339.26 2866.14服装制品业157.7 1779.1 黑色金属冶炼367.47 3868.28皮革羽绒制品81.7 1081.77 有色金属冶炼144.29 1535.16木材加工业35.67 443.74 金属制品业201.42 1948.12家具制造业31.06 226.78 普通机械制造354.69 2351.68造纸及纸品业134.4 1124.94 专用设备制造238.16 1714.73印刷业90.12 499.83 交通运输设备511.94 4011.53文教体育用品54.4 504.44 电子机械制造409.83 3286.15石油加工业194.45 2363.8 电子通讯设备508.15 4499.19化学原料纸品502.61 4195.22 仪器仪表设备72.46 663.681.建立Workfile和对象，录入销售收入X和销售利润Y：图1 销售收入X和销售利润Y的录入2.图形法检验⑴观察销售利润Y与销售收入X的相关图：在群对象窗口工具栏中点击view\Graph\Scatter\Simple Scatter, 可得X 与Y 的简单散点图(图1)，可以看出X 与Y 是带有截距的近似线性关系，即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。
异方差性实验报告篇一：计量经济学上机实验报告(异方差性)提示：打包保存时自己的文件夹以“学号姓名”为文件夹名，打包时文件夹内容包括：本实验报告、EViews工作文件。
篇二：Eviews异方差性实验报告实验一异方差性【实验目的】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。
【实验内容】以《计量经济学学习指南与练习》补充习题4-16为数据，练习检查和克服模型的异方差的操作方法。
【4-16】表4-1给出了美国18个行业1988年研究开发（R&D）费用支出Y与销售收入X的数据。
请用帕克（Park）检验、戈里瑟（Gleiser）检验、G-Q检验与怀特（White）检验来检验Y关于X的回归模型是否存在异方差性？若存在【实验步骤】一检查模型是否存在异方差性1、图形分析检验（1）散点相关图分析做出销售收入X与研究开发费用Y的散点相关图（SCATX Y）。
观察相关图可以看出，随着销售收入的增加，研究开发费用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。
（2）残差图分析首先对数据按照解释变量X由小至大进行排序（SORT X），然后建立一元线性回归方程（LS Y C X）。
因此，模型估计式为： Y?187.507?0.032*X ----------（*） ?(0.17)(2.88) R2=建立残差关于X的散点图，可以发现随着X增加，残差呈现明显的扩大趋势，表明存在递增的异方差。
2、Park检验建立回归模型（LS Y C X），结果如（*）式。
生成新变量序列： GENR LNE2 = LOG(RESID^2)GENR LNX = LOG(X)生成新残差序列对解释变量的回归模型（LS LNE2 C LNX）。
从下图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，即随机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。
计量经济学实验报告关于异方差性的检验与修正
2012/11/18
学院：国际教育学院
专业：国际经济与贸易
班级：10级一班
姓名：苗子凯
学号：1014102025
一．异方差检验
运行Eviews,依次单击file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
然后开始进行LS回归，命令栏中输入“ls y c x”回车，即得到回归结果如下
回归方程为：：Y = 272.3635389 + 0.7551249391*X
二．开始检验异方差
White 检验法:
依次单击View →Residual Tests →Heteroskedasticity test →Whit 经估计出现white 检验结果，如下图：
所以拒绝原假设，表明模型存在异方差
Goldfeld-Quanadt 检验法： 在命令栏中直接输入：ls y c x →sort 1 20(进行排序) →smpl 1 8 →ls y c x →enter 得到如下结果：
99
.5%565.122置信水平下的卡方值>=nR
继续取样本，在命令栏中直接输入： smpl 13 20 →ls y c x→enter 得到如下结果：
计算F统计量：F=RSS2/RSS1=615472.0/126528.3=4.864；F=4.864> F0.05（6,6）=4.28，拒绝原假设，表明模型确实存在异方差性。
帕克检验
重新打开eviews，依次键入以下步骤：file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
然后键入：genr lne2=log(resid^2)→genr lnx=log(x) →
ls lne2 c lnx
得到结果如下：
可得到α=3.47，且t=2.89，说明显著性明显，而α的显著性不为零意味着存在显著性。
异方差的修正：
输入：
Genr w1 = 1/x^1/2
Ls(w=w1) y c x
得到如下图
如图所示与不加权的最小二乘法结果相比，加权最小二乘法估计使得X前的参数估计值略有下降，但标准差却增大了，表明最小二乘法估计低估了X对应参数的标准差。
（注：文档可能无法思考全面，请浏览后下载，供参考。
可复制、编制，期待你的好评与关注！）。
