eviews4教程3异方差

1异方差案例分析表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。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销售收入行业名称销售利润销售收入食品加工业187.253180.44医药制造业238.711264.1食品制造业111.421119.88化学纤维制品81.57779.46饮料制造业205.421489.89橡胶制品业77.84692.08烟草加工业183.871328.59塑料制品业144.341345纺织业316.793862.9非金属矿制品339.262866.14服装制品业157.71779.1黑色金属冶炼367.473868.28皮革羽绒制品81.71081.77有色金属冶炼144.291535.16木材加工业35.67443.74金属制品业201.421948.12家具制造业31.06226.78普通机械制造354.692351.68造纸及纸品业134.41124.94专用设备制造238.161714.73印刷业90.12499.83交通运输设备511.944011.53文教体育用品54.4504.44电子机械制造409.833286.15石油加工业194.452363.8电子通讯设备508.154499.19化学原料纸品502.614195.22仪器仪表设备72.46663.68一、检验异方差性1、图形分析检验观察销售利润（Y）与销售收入（X）的相关图(图1)：SCATXY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。2、Gleiser检验⑴建立回归模型（结果如图3所示）。2图3⑵生成新变量序列：GENRE=ABS(RESID)⑶分别建立新残差序列（E）对各解释变量（X/X^2/X^(1/2)/X^(－1)/X^(－2)/X^(－1/2)）的回归模型：LSECX，回归结果如图4、5、6、7、8、9所示。图4图53图6图7图8图94由上述各回归结果可知，各回归模型中解释变量的系数估计值显著不为0且均能通过显著性检验。所以认为存在异方差性。⑷由F值或2R确定异方差类型Gleiser检验中可以通过F值或2R值确定异方差的具体形式。本例中，图6所示的回归方程F值（2R）最大，可以据次来确定异方差的形式。二、调整异方差性1、确定权数变量GENRweight=1/abs(RESID)2、利用加权最小二乘法估计模型在Eviews命令窗口中依次键入命令：LS(W=weight)YCX或在方程窗口中点击Estimate\Option按钮，并在权数变量栏里依次输入weight，回归结果图10所示。DependentVariable:YMethod:LeastSquaresDate:11/09/06Time:10:36Sample:128Includedobservations:28Weightingseries:WVariableCoefficientStd.Errort-StatisticProb.C4.1689333.7797551.1029640.2801X0.1094080.00353330.966530.0000WeightedStatisticsR-squared0.975392Meandependentvar136.4094AdjustedR-squared0.974445S.D.dependentvar107.5469S.E.ofregression17.19227Akaikeinfocriterion8.595546Sumsquaredresid7684.926Schwarzcriterion8.690703Loglikelihood-118.3376F-statistic958.9262Durbin-Watsonstat1.371647Prob(F-statistic)0.000000UnweightedStatisticsR-squared0.852563Meandependentvar213.4639AdjustedR-squared0.846893S.D.dependentvar146.4905S.E.ofregression57.32016Sumsquaredresid85425.61Durbin-Watsonstat1.271717图10