计量经济学截面数据异方差检验(借鉴资料)

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。

计量经济学实验报告实验1.异方差检验及修正一、 实验目的影响各地居民人均年消费支出的因素有多种，其中最主要的影响因素应当为收入，对于农村居民来说，收入包括从事农业经营的纯收入和其他来源的纯收入。

本题研究的是内地2006年各地区农村居民家庭人均纯收入与消费支出消费支出之间的关系是否存在异方差，如存在异方差并做出修正。

数据来源为《中国农村住户调查年鉴（2007）》、《中国统计年鉴（2007）》。

二、 实验步骤 1、建立模型01122Y X X u βββ=+++其中，Y 表示人均消费支出，X1表示从事农业经营的纯收入，X2表示其他来源的纯收入，单位为元。

2、从excel 中将数据导入EViews 中，得到图1。

图13、在EViews 命令框中直接键入“ls y c x1 x2”，按回车，即出现回归结果，如表2。

表2Dependent Variable: Y Method: Least Squares Date: 12/04/13 Time: 17:20 Sample: 1 31Included observations: 31Coefficient Std. Error t-Statistic Prob.C 728.1402 328.1558 2.218886 0.0348 X1 0.402097 0.164894 2.438514 0.0213 X20.7090300.041710 16.999110.0000R-squared0.922173 Mean dependent var 2981.623 Adjusted R-squared 0.916614 S.D. dependent var 1368.763 S.E. of regression 395.2538 Akaike info criterion 14.88870 Sum squared resid 4374316. Schwarz criterion 15.02747 Log likelihood -227.7748 Hannan-Quinn criter. 14.93394 F-statistic 165.8853 Durbin-Watson stat 1.428986Prob(F-statistic)0.000000由表可以得到：12728.14020.4020970.70903i Y X X =++（328.1558）（0.164894） （0.041710） t= (2.218886) (2.438514) （16.99911）220.922173,0.916614,165.8853R R F ===4、模型检验在显著性为0.05时，P 值都小于0.05，通过显著性检验，认为X1、X2显著。

《计量经济学》实验报告异方差（五）
二、实验目的
1、掌握异方差出现的来源、后果、检验及修正的原理，以及相关的EViews软件操作方法。

2、建立工作文件，输入数据
3、利用最小二乘法建立方程，进行残差的怀特（white）异方差检验；
4、利用加权最小二乘法修正异方差，列出方程及主要统计量，检验是否消除了异方差性，列出检验结果。

三、实验步骤（简要写明实验步骤）
1、首先建立一个工作文件、建立回归模型；
2、由于这是截面数据，所以要检验是否存在异方差
1）、可以从图形的角度来检验，为此首先生成该残差序列；
2）、WHITE检验
3、消除异方差，WLS估计法
点击resid得到残差项
在上方输入genr e2=resid^2
点击e2和x右键as grop得到散点图
在上方输入genr e1=@abs (resid)
在上方输入ls y c x，点击view中的White检验得到数据
四、实验结果及分析
1、回归估计结果：
y=+
2、残差序列得到的图形为：
表明是否存在异方差：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
3、WHITE检验得到的结果为：
观察相伴概率P值的大小，这里p=，大于的显着水平
表明不存在异方差。

4、用加权最小二乘法回归得到的结果加以分析看是否消除了异方差：
所对应的White检验显示，P值较大，都超过了，所以接受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。

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。

《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1.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。

这说明变量之间可能存在递增的异方差性。

图2 我国制造工业销售利润与销售收入相关图⑵残差分析由路径：Quick/Estimate Equation，进入Equation Specification窗口，键入“y c x 确认并“ok”，得样本回归估计结果，见图3。

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（丫）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:2000015000100005000550 600 G50 700 750 800从散点图可以看出该家庭对某商品的消费支出（丫）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+ B 1X计B 2X2+ 卩其中，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，□表示随机误差项。

1、参数估计:假定所建模型及随机扰动项□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：Dependent Variable: YMethod' Least SquaresDate: 11/26/08 Time: 20:25Sample：1 10Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.c626.509340 13010 15.61195 □.DC00X1 -9790570 3.197843-3.061617 0.0183X2 0.02861 B 0.005838 4 902030 0.0017R-squared0.902218 Mean depende nt var670.3300Adjusted R-squared0 874281S.D. dependent var49.04504S.E. of regression 117.30905 Akaike info criterion 8.792975Sum squared resid 2116.847 Schwarz criterion S 883751Log likelihood-40.96488 F-statistic 32.2940BDurbin-Watson stat 1.650804Prob(F-statistic) 0.000292参数和估计结果为：丫=626.5093-9.79057 X1+0.028618 X22、经济意义检验所估计的参数B 1= -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。