当前位置：文档之家 › eviews上机第六章

eviews上机第六章

  • 格式：ppt
  • 大小：1.08 MB
  • 文档页数：7

下载文档原格式

  / 7

合集下载

Eviews6上机指导书

Eviews6上机指导书

EViews上机指导书通过研究我国城镇和农村居民消费与可支配收入的关系来学习EViews的使用。

数据如表2所示，表中各项目含义为：：Cr＝农村居民人均消费支出(元) Yr＝农村居民家庭人均纯收入(元)Pr＝农村居民消费价格指数（1985=100）Cu＝城镇居民人均消费支出（元） Yu＝城镇居民人均可支配收入（元）Pu＝城镇居民消费价格指数（1985＝100）CT＝全国居民人均消费水平（元） Rpop＝农村人口比例（％）P＝全国居民消费价格指数（1985＝100）表2 城镇、农村居民人均消费与人均可支配收入年份Cu Yu Pu Cr Yr Pr CT Rpop P 1985 673.20 739.10 100.0 317.42 397.60 100.0 437 76.29 100.00 1986 798.96 899.60 107.0 356.95 423.80 106.1 485 75.48 106.50 1987 884.40 1002.20 116.4 398.29 462.60 112.7 550 74.68 114.30 1988 1103.98 1181.40 140.5 476.66 544.90 132.4 693 74.19 135.80 1989 1210.95 1375.70 163.3 535.37 601.50 157.9 762 73.79 160.20 1990 1278.89 1510.20 165.4 584.63 686.30 165.1 803 73.59 165.20 1991 1453.81 1700.60 173.8 619.79 708.60 168.9 896 73.63 170.80 1992 1671.73 2026.60 188.8 659.21 784.00 176.8 107072.37 181.70 1993 2110.81 2577.40 219.2 769.65 921.60 201.0 133171.86 208.40 1994 2851.34 3496.20 274.1 1016.81 1221.00 248.0 174671.38 258.60 1995 3537.57 4283.00 320.1 1310.36 1577.70 291.4 223670.96 302.80 1996 3919.47 4838.90 348.3 1572.08 1926.10 314.4 264170.63 327.90 1997 4185.64 5160.30 359.1 1617.15 2090.10 322.3 283469.52 337.10 1998 4331.61 5425.10 356.9 1590.33 2162.00 319.1 297268.09 334.40 1999 4614.91 5854.00 352.3 1577.42 2210.30 314.3 313866.65 329.70 2000 4998.00 6280.00 355.1 1670.13 2253.40 314.0 339765.22 331.00 2001 5309.01 6859.60 357.6 1741.09 2366.40 316.5 360963.78 333.30 2002 6029.88 7702.80 354.0 1834.31 2475.60 315.2 381862.34 330.60 2003 6510.94 8472.20 357.2 1943.30 2622.20 320.2 408960.91 334.60数据来源：《中国统计年鉴2004》§1 创建工作文件（Workfile）一、使用菜单操作方式使用EViews进行经济计量分析的第一步就是新建或调入一个Workfile。

Eviews操作教程_完整版

Eviews操作教程_完整版

Eviews操作教程_完整版1.EVIEWS基础 (3)1.1. E VIEWS简介 (3)1.2. E VIEWS的启动、主界⾯和退出 (3)1.3. E VIEWS的操作⽅式 (6)1.4. E VIEWS应⽤⼊门 (6)1.5. E VIEWS常⽤的数据操作 (15)2.⼀元线性回归模型 (24)2.1. ⽤普通最⼩⼆乘估计法建⽴⼀元线性回归模型 (24) 2.2. 模型的预测 (30)2.3. 结构稳定性的C HOW检验 (34)3. 多元线性回归 (39)3.1. ⽤OLS建⽴多元线性回归模型 (39)3.2. 函数形式误设的RESET检验 (45)4. ⾮线性回归 (48)4.1. ⽤直接代换法对含有幂函数的⾮线性模型的估计 (48) 4.2. ⽤间接代换法对含有对数函数的⾮线性模型的估计 (50) 4.3. ⽤间接代换法对CD函数的⾮线性模型的估计 (53)4.4. NLS对可线性化的⾮线性模型的估计 (55)4.5. NLS对不可线性化的⾮线性模型的估计 (58)4.6. ⼆元选择模型 (62)5. 异⽅差 (68)5.1. 异⽅差的⼽得菲尔德——匡特检验 (68)5.2. 异⽅差的WHITE检验 (72)5.3. 异⽅差的处理 (75)6. ⾃相关 (79)6.1. ⾃相关的判别 (79)6.2. ⾃相关的修正 (83)7. 多重共线性 (87)7.1. 多重共线性的检验 (87)7.2. 多重共线性的处理 (92)8. 虚拟变量 (94)8.1. 虚拟⾃变量的应⽤ (94)8.2. 虚拟变量的交互作⽤ (99)8.3. ⼆值因变量：线性概率模型 (101)9. 滞后变量模型 (106)9.1. ⾃回归分布滞后模型的估计 (106)9.2. 多项式分布滞后模型的参数估计 (111)10. 联⽴⽅程模型 (116)10.1. 联⽴⽅程模型的单⽅程估计⽅法 (116)10.2. 联⽴⽅程模型的系统估计⽅法 (120)2..1.Eviews基础1.1.Eviews简介Eviews：Econometric Views（经济计量视图），是美国QMS公司（Quantitative Micro Software Co.，⽹址为/doc/8e38170bbed126fff705cc1755270722192e59b1.html ）开发的运⾏于Windows环境下的经济计量分析软件。

企业模拟竞技协会手册 Eviews 6

企业模拟竞技协会手册 Eviews 6

序目录方便面的故事技篇市场分析一、内部分析法所谓内部分析，就是通过分析自身的销售数据，来预测未来销售的方法。

（一）Eviews 6 的应用Eviews 6 是一款十分强大的实用数据分析工具。

它的使用方法很多，受我们自身知识水平所限，这里我们只介绍一种常用的初级应用方法，至于这么做的原因，以及如何修正序列相关性等等等等都不予介绍。

1、打开Eviews 6，点击File—New—Workfile，这时会弹出一个窗口WorkfileCreate。

在Frequency处选择Quarterly，Start date填1，End date填4。

如图所示：点击OK，如图这里意味着你已经创建了一个4年的Eviews文件，共有16个季节。

2、输入命令“data y x1 x2 x3”，回车这里的意思是创建原始数据。

如图所示接下来，就要把原始数据输入进去了。

我们把Y定义为需求，价格定义为x1，促销定义为x2，广告定义为x3。

这些数据可以在比赛平台里的时间序列数据里面找到。

我用1836赛区前15期的数据演示，录入后如图所示。

3、输入命令“ls log(y) c log(x1) log(x2) log(x3) log(x3(-1)) ar(1)”，回车这里的意思是使用最小二乘法，并且对原始数据取对数，且广告滞后一期，建立数学模型。

结果如图所示。

注意，在这里懂得理解分析结果至关重要。

第一，要检查模型的经济意义是否过关。

C为常数，可以不必理会。

LOG(X1)为价格，此时它的系数为-6.880721，为负数，通过经济检验。

因为价格与需求一定是负相关的关系。

同理可得，促销LOG(X2)的系数-.0054312为负数，没有通过检验。

广告LOG(X3)的系数0.971834为正数，通过了检验。

经济检验通不过有几种原因。

（1）样本太少。

（2）样本质量不好。

如果价格变化幅度总是很大，广告促销变化也很不稳定，就会出现模型计算不符合实际。

线性回归分析(Eviews6)

线性回归分析(Eviews6)

STEP 01
研究目的
STEP 02
数据来源
探讨自变量X对因变量Y 的影响程度。
STEP 03
分析工具
使用EViews 6软件进行线 性回归分析。
收集到的样本数据，包含 自变量X和因变量Y的观 测值。
数据准备与处理
01
02
03
数据导入
将收集到的数据导入 EViews 6软件中。
数据清洗
检查数据是否存在异常值、 缺失值等问题，并进行必 要的处理。
变量筛选
采用逐步回归等方法筛选变量，去除引起多重共 线性的冗余变量。
主成分分析
通过主成分分析提取主要信息，以消除多重共线 性的影响。
异方差性问题及其解决方法
1 2
异方差性检验
通过残差图、等级相关系数检验等方法检验异方 差性。
加权最小二乘法
对异方差数据进行加权处理，使得变换后的数据 满足同方差性假设。
回归方程的检验与诊断
回归方程的显著性检验
通过F检验或t检验判断回归方程 是否显著，即自变量对因变量是 否有显著影响。
残差分析
检查残差是否满足模型的假设条 件，如独立性、同方差性等，以 及是否存在异常值或影响点。
回归系数的显著性检验
通过t检验判断各个回归系数是否 显著，即自变量对因变量的影响 程度是否显著。
线性回归模型的建立
模型设定
根据研究目的和理论假设，设定 合适的线性回归模型。
参数估计
采用最小二乘法（OLS）进行参 数估计，得到回归系数的估计值。
模型检验
进行模型的拟合优度检验、方程 的显著性检验以及变量的显著性 检验，以评估模型的解释力和预
测力。
回归结果的分析与解读

EVIEWS上机实验指导书

EVIEWS上机实验指导书

计量经济学上机指导及练习第一部分Eviews基础1.1. Eviews 简介Eviews ：Econometric Views （经济计量视图），是美国QMS 公司（Quantitative Micro Software Co.，网址为 ）开发的运行于Windows 环境下的经济计量分析软件。

Eviews 是应用较为广泛的经济计量分析软件——MicroTSP 的Windows 版本，它引入了全新的面向对象概念，通过操作对象实现各种计量分析功能。

Eviews 软件功能很强，能够处理以时间序列为主的多种类型数据，进行包括描述统计、回归分析、传统时间序列分析等基本数据分析以及建立条件异方差、向量自回归等复杂的计量经济模型。

1.2. Eviews 的启动、主界面和退出1.2.1. Eviews 的启动单击Windows 的【开始】按钮，选择【程序】选项中的【Eviews 5】，单击其中的【Eviews5】；或者在相应目录下用鼠标双击启动Eviews 5程序，进入主窗口。

如图1.1所示：图1.1Eviews 窗口1.2.2. Eviews 的主界面1.2.2.1. 标题栏Eviews 窗口的顶部是标题栏，标题栏左边是控制框；右边是控制按钮，有【最小化】、【最大化菜单栏命令窗口 工作区状态栏（或还原）】、【关闭】三个按钮。

1.2.2.2. 菜单栏标题栏下面是菜单栏。

菜单栏中排列着按照功能划分的9个主菜单选项，用鼠标单击任意选项会出现不同的下拉菜单，显示该部分的具体功能。

9个主菜单选项提供的主要功能如下：【File】有关文件（工作文件、数据库、Eviews程序等）的常规操作，如文件的建立（New）、打开（Open）、保存（Save/Save As）、关闭（Close）、导入（Import）、导出（Export）、打印（Print）、运行程序（Run）等；选择下拉菜单中的Exit将退出Eviews软件。

【Edit】通常情况下只提供复制功能（下拉菜单中只有Cut、Copy项被激活），应与粘贴（Paste）配合使用；对某些特定窗口，如查看模型估计结果的表达式时，可对窗口中的内容进行剪切（Cut）、删除（Delete）、查找（Find）、替换（Replace）等操作，选择Undo表示撤销上步操作。

EViews基本操作技巧

EViews基本操作技巧

《计量经济学》E v i e w s上机基本操作前言《计量经济学》作为经济学类各专业的核心课程已开设多年。

多年的教学实践中，我们深感计量经济学软件在帮助同学们更好地学习、理解《计量经济学》基本思想、提高解决实际问题的能力等方面有着重要的作用。

在过去的教学中曾采用过多种版本的软件，包括TSP、Eviews、SPSS、SAS等。

从1998年以来，Eviews逐渐成为计量经济学本科教学的基本软件。

实践证明，Eviews具有自身的特色和优良的性能。

《计量经济学》Eviews上机基本操作，主要介绍Eviews 的基本功能和基本操作，以供同学们参考。

Eviews基本操作第一部分预备知识一、什么是EviewsEviews (Econometric Views)软件是QMS（Quantitative Micro Software）公司开发的、基于Windows平台下的应用软件，其前身是DOS操作系统下的TSP软件。

Eviews软件是由经济学家开发，主要应用在经济学领域，可用于回归分析与预测(regression and forecasting)、时间序列(Time series)以及横截面数据(cross-sectional data )分析。

与其他统计软件（如EXCEL、SAS、SPSS）相比，Eviews功能优势是回归分析与预测，其功能框架见表1.1。

从多方面的因素考虑，本手册不对最新版本的Eviews软件进行介绍，而只是以目前人们使用较为广泛的Eviews3.1版本为蓝本介绍该软件的使用。

Eviews3.1版本是QMS公司1998年7月推出的。

二、Eviews安装Eviews文件大小约11MB，可在网上下载。

下载完毕后，点击SETUP安装，安装过程与其他软件安装类似。

安装完毕后，将快捷键发送的桌面，电脑桌面显示有Eviews3.1图标，整个安装过程就结束了。

双击Eviews按钮即可启动该软件。

（图1.2.1）图1.2.1三、Eviews工作特点初学者需牢记以下两点。

计量经济软件eviews使用指导及示例演示(收藏精品)

第一部分 Eviews简介Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。

1、Eviews是什么Eviews是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。

使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。

Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。

Eviews是专门为大型机开发的、用以处理时间序列数据的时间序列软件包的新版本。

Eviews的前身是1981年第1版的Micro TSP。

目前最新的版本是Eviews4.0。

我们以Eviews3.1版本为例，介绍经济计量学软件包使用的基本方法和技巧。

虽然Eviews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews的运用领域并不局限于处理经济时间序列。

即使是跨部门的大型项目，也可以采用Eviews进行处理。

Eviews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行操作，Eviews允许用户以简便的可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。

Eviews具有操作简便且可视化的操作风格，体现在从键盘或从键盘输入数据序列、依据已有序列生成新序列、显示和打印序列以及对序列之间存在的关系进行统计分析等方面。

Eviews具有现代Windows软件可视化操作的优良性。

可以使用鼠标对标准的Windows 菜单和对话框进行操作。

操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。

此外，Eviews还拥有强大的命令功能和批处理语言功能。

在Eviews的命令行中输入、编辑和执行命令。

在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。

Eviews统计第六章



自相关检验及修正的EViews操作


1.绘图检验自相关问题的EViews操作 进行了OLS回归后，选择EViews主窗口的Quick|Graph命令，输入残差序列名 （Resid），选择图形类型，最后单击确定键即得到残差图。绘制残差序列图也可以通 过Equation对象窗口的Resids按钮或View|Acutal,Fitted,Residual命令实现。 2.DW检验操作 通常OLS回归估计输出结果中包含着对模型的D.W.检验结果，无需单独进行操作。通 过查询DW临界值表可以判断模型自相关问题。DW统计量值越接近2，表明自相关程 度越弱。

异方差与加权最小二乘法 3.异方差的常用检验方法
观表现出变量之间的关系。利用时间序列 图、散点图以及残差序列对解释变量的散点图可以直观的 对模型否存在异方差进行初步判断。 （2）怀特检验 怀特检验通过OLS估计求得残差的估计值，然后利用残差 估计值的平方与解释变量及其交叉项辅助回归式，得到拟 合优度 ，从而构建统计量进行检验。 怀特检验的原假设为原回归模型不存在异方差，被择假设 为原回归模型存在异方差。


应用普通最小二乘法时要求模型的随机误差项必须满足：
（1）无偏性假定。即所有随机误差项的期望为0 （2）同方差性假定。即所有随机误差项的方差相等 （3）无序列相关性假定。即随机误差项之间无序列相关性 （4）解释变量与随机误差项相互独立。即解释变量X为非随机变量 （5）正态性假定。即随机误差项服从均值为0的正态分布。



5.异方差形式未知时的模型处理方法-White异方差一致协方差估计 当异方差形式未知时，无法使用加权最小二乘法（Weighted Least Square，WLS）消除异方差，此时需要采用White异方差一致协方差 估计。

EVIEWS上机操作方法(基本操作)


EViews软件包的安装：
EViews3.1软件包安装方法：
下载EViews3.1完全安装版
下栽完毕点击“SETUP”安装,安装完毕将快捷键发
送到桌面, 桌面显示 “Eviews”图标, 即安装结束。
双击Eviews按钮即可启动该软件。 EViews5软件网络使用方法： 开始/运行/输入\\192.168.251.149\EViews5/选 “EViews5.exe”/运行/启动EViews5软件
多个变量统计量
双击X、Y变量，得数据表。点“view/Descriptive Statistics/Common Sample"得到
mean Median Maximum Minimum Std.Dev. Skewness Kurtosis Jarque-Bera Probability Sum Sum Sq. Dev. 均值 中位数 最大值 最小值 标准差 偏度 峰度 JB统计量 相应概率 合计 离差平方和
数据存盘：
方式: 点击 “fire”----点“Save As”----出现“Save As”对话框 在路径处:点保存在如“EViews3”—“ Example files” 文件名-----在“Fire Name”对所存文件命名，再点“保存”
读取数据：点击“fire”-----点”Open”------在对话框的
2、输入变量数据或图形的命名（如W3），
点“OK”在“workfile”中出现“W3”的新对象.
点击“W3”，可随时调出新命名的变量数据或图形
描述Y与X的各种图形
◆ 单击“quick/graph”,在对话框输入“Y X”/OK ◆ 或在命令框输“graph y x “/ “ok” 在下拉菜单中选图形形式:如选Scatter Diagram (散点 图)/OK

eviews上机第六章PPT学习教案

第9页/共64页
10
练习1：
打开工作文件4-1 对in与cum做回归， 画出in与cum之间的回归线，并观察两者之间的关系 再分别利用in与cum对方程残差画出散点图，观察其特点
第10页/共64页
11
存在异方差
无偏性与有效性：
异方差的存在并不破坏普通最小二乘法的无偏性 但估计量却不是有效的，即使对大样本也是如此，因为缺乏有
第23页/共64页
24
操作中的具体问题：
1.如何将样本分为两部分？ 2.如何观察F值得出结论？
第24页/共64页
25
1.首先要将样本按X从小如到何大将的顺样序本进分行排为列两（部SO分RT X ）
2.去除中间的一部分样本 3.将剩余的样本两等分，成为后续操作中的“样本1建立模型1”和“样本2
GENR lnE2=log(RESID^2) GENR lnx=log(x)
建立新残差序列对解释变量的回归模型：LS lnE2 C lnx 观察lnx的系数及P值：
系数不为0，且显著，则表示存在异方差性
反之，则表示不存在异方差性
第34页/共64页
35
练习6-1： 打开工作文件4-1 对原方程进行帕克检验
cumi= -56.917+ 0.05807ini
(-1.57) (8.96)
R2=0.74 D.W.=2.008
(6.1.4)
第8页/共64页
9
从图形上可以看出： 1.平均而言，城镇居民家庭交通和通 讯支出 随可支 配收入 的增加 而增加 。 2.但是，值得注意的是：随着可支配 收入的 增加， 交通和 通讯支 出的变 动幅度 也增大 了，可 能存在 异方差 。 3.把回归方程中得到的残差对各个观 测值作 图，则 可以清 楚地看 到这一 点。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

⑴ 将样本按解释变量中可能出现异方差的序列进行排序（SORT X）并分成两部分 ⑵ 利用样本1建立回归模型1 ⑶ 利用样本2建立回归模型2 ⑷ 计算F统计量 F RSS2 / RSS1 ， RSS1和RSS2 分别是模型1和模型 2的残差平方和 (5) 查F分布表得F值，进行观察得出是否存在异方差的结论

17
检验统计量是通过利用解释变量所有可能的交叉乘积对残差进行回归来计 算的。例如：假设估计如下方程
yi 1 2 xi 3 zi ui
式中：b是估计系数，û 是残差。 i
(6.1.6)
检验统计量基于辅助回归：
ˆ ui2 0 1 xi 2 zi 3 xi2 4 zi2 5 xi zi i

随着x增加，方差是否出现逐渐增 加、下降或者不规则变化。
15
练习2：



打开工作文件4-1，4-3 分别用两种图示演示法（x-y以及X - ûi2 ）观察工作文件中的方程是否 存在异方差性 请根据图形判断随着x增加，方差出现增加、下降还是不规则变化 将截图保存至word文档，并辅以自己的分析解释 最后将word文档取名为学号+姓名，提交。

G-Q检验法可以同时克服这两大困难。因此，G-Q检验法 更为常用。
35

帕克检验具体步骤：


建立回归模型，得到原方程残差序列
生成新变量序列（其中一种常见形式）：
GENR lnE2=log(RESID^2) GENR lnx=log(x)

建立新残差序列对解释变量的回归模型：LS lnE2 C lnx 观察lnx的系数及P值：
31
练习5：

打开工作文件4-1，和4-3

用G-Q法判定方程是否存在异方差性？
（其中：F0.05（8,8 ）= 3.44 ，F0.05（5,5）=5.05）
32
4.Park检验法（帕克检验与戈里瑟检验）
33
34

帕克检验的不足：

需要选择不同的解释变量，尝试各种不同的函数形式，进行多次 反复试验 在进行试验的回归模型中，其随机干扰项本身就可能不满足普通 最小二乘的经典假设
25
操作中的具体问题：

1.如何将样本分为两部分？ 2.如何观察F值得出结论？
26
如何将样本分为两部分

1.首先要将样本按X从小到大的顺序进行排列（ SORT X ） 2.去除中间的一部分样本
3.将剩余的样本两等分，成为后续操作中的“样本1建
立模型1”和“样本2 建立模型2”
27

利用White检验法检验此回归方程是否存在异方差。
22
练习3-2：

打开工作文件4-3 建立被解释变量住房支出（y），解释变量年收入（x）的
OLS回归方程

利用White检验法检验此回归方程是否存在异方差。
23
3. Goldfeld-Quant检验法
24

G-Q检验具体步骤：

如果实际模型满足不了这些假定，普通最小二乘法就不再适用，而要发 展其他方法来估计模型。
3
§6.1 异方差

古典线性回归模型的一个重要假设：同方差

总体回归方程的随机扰动项 ui 同方差，即他们具有相同的方差 2

实际现象常常不符合严格的假设条件：

如果随机扰动项的方差随观测值不同而异，即ui 的方差为i2，就 是异方差。用符号表示异方差为E(ui2) = i2
验的另外一种形式，就是辅助回归中不包含交叉项。 因此White检验有两 个选项：交叉项和无交叉项。
19
例6.2：人均家庭交通及通讯支出(CUM)和可支配收入(IN ) 的回归方程的 White 异方差检验的结果：
该结果F 统计量和 Obs*R2 统计量的P值均很小，表明拒 绝原假设，即残差存在异方差性。
第六章：异方差，检验及其修正
1
线性回归模型的基本假设
yt 0 1 x1i 2 x2i k xki ui
i=1,2,…,N
在普通最小二乘法中，为保证参数估计量具有良好的性质，通常对模型提 出若干基本假设： 1．解释变量之间互不相关； 2．随机误差项具有0均值和同方差。即
EViews显示两个检验统计量：F统计量和 Obs*R2 统计量。
(6.1.7)
White检验的原假设：不存在异方差性（即式（6.1.7）中除0以外的所有系 数都为0成立）
18
White证明出：
N R 2 ~ k2
（6.1.8）
其中：N是样本容量，k为自由度，等于式（6.1.7）中解释变量个数（不包
30
如何观察F值得出结论？

计算F统计量：F RSS2 / RSS1 ＝A，其中 RSS1和RSS2分别是模型1和模型 2的残差平方和

确定一个临界值α (如1%，5%，10%)，查F分布表得：
Fα （n1-k,n2-k）=B

如果A>B，即F值大于临界值，则存在异方差

如果A<B，即F值小于临界值，则不存在异方差


28

例如：假设存在一个30个观测值的样本， 首先将解释变量按从小到大进行排序 然后减去一个不超过1/3量的中间样本（不超过10个），为保持剩下 的可以平均分为2组，所以本例中应该去除8个中间样本。 因此，样本1为1-11，样本2为20-30

29
练习4:

假设存在一个观测值为40的样本，需要进行G-Q异方差检 验，请问如何进行样本分组？
含截距项）。如果计算的2值大于给定显著性水平对应的临界值，则可以 拒绝原假设，得出存在异方差的结论。也就是说，回归方程（6.1.7）的R2
越大，说明残差平方受到解释变量影响越显著，也就越倾向于认为存在异
方差。 如果原模型中包含的解释变量较多，那么辅助回归中将包含太变量太多时，必须谨慎一些。White检
E (ui ) 0
Var (u i ) 2
i=1,2,…,N
即随机误差项的方差是与观测时点t无关的常数； 3．不同时点的随机误差项互不相关（序列不相关），即
Cov(ui , ui s ) 0
s ≠ 0, i = 1 , 2 , … , N
2
4．随机误差项与解释变量之间互不相关。即
（GENR lnE2=log(RESID^2) 以及 GENR lnx=log(x)）

异方差现象：

在许多应用中都存在，主要出现在截面数据分析中
4
实际经济问题与异方差性 几个例子：

5
收入与储蓄
6
收入与消费
7
产出与投入
8
表1 中国1998年各地区城镇居民平均每人全年家庭可支配收入及交通和 通讯支出 （单位：元）
变量 地区 甘 肃 山 西 宁 夏 吉 林 河 南 陕 西 青 海 江 西 黑龙江 内蒙古 贵 州 辽 宁 安 徽 湖 北 海 南 可支配收入 交通和通讯支出 IN 4009.61 4098.73 4112.41 4206.64 4219.42 4220.24 4240.13 4251.42 4268.50 4353.02 4565.39 4617.24 4770.47 4826.36 4852.87 CUM 159.60 137.11 231.51 172.65 193.65 191.76 197.04 176.39 185.78 206.91 227.21 201.87 237.16 214.37 265.98 变量 地区 新 河 四 山 广 湖 重 江 云 福 天 浙 北 上 广 疆 北 川 东 西 南 庆 苏 南 建 津 江 京 海 东 可支配收入 IN 5000.79 5084.64 5127.08 5380.08 5412.24 5434.26 5466.57 6017.85 6042.78 6485.63 7110.54 7836.76 8471.98 8773.10 8839.68 交通和通讯支出 CUM 212.30 270.09 212.46 255.53 252.37 255.79 337.83 255.65 266.48 346.75 258.56 388.79 369.54 384.49 640.56
系数不为0，且显著，则表示存在异方差性 反之，则表示不存在异方差性
36
练习6-1： 打开工作文件4-1 对原方程进行帕克检验
（GENR lnE2=log(RESID^2) 以及 GENR lnx=log(x)）

检验是否存在异方差？
37
练习6-2： 打开工作文件4-3 对原方程进行帕克检验
Cov( x ji , u i ) 0
j=1,2,…,k, i=1,2,…,N
5．随机误差项服从0均值、同方差的正态分布。即
ui
~
N (0, 2 )
i=1,2,…,N
当随机误差项满足假定1 ~ 4时，将回归模型”称为“标准回归模型”
当随机误差项满足假定1 ~ 5时，将回归模型称为“标准正态回归模型”。
i2 exp( z iα)
i2 ( 2 z iα) m
，
~ ln( u i2 ) z iα i
③ Glejser异方差检验 ，
~ ui z iα i
21
练习3-1：

打开工作文件4-1 建立被解释变量人均家庭交通及通信支出（cum），解释
变量可支配收入（in）的回归方程
16
2. White检验法

White (1980) 提出了对最小二乘回归中残差的异方差性的检验。 两种检验：包括有交叉项和无交叉项（取默认值即可）。 普通最小二乘估计虽然在存在异方差性时是一致的，但是通常计算的 标准差不再有效。 如果发现存在异方差性，利用加权最小二乘法可以获得更有效的估计 （修正异方差）。