eviews操作步骤异方差自相关

异方差性的检验和消除15.√表6列出了2000年中国部分省市城镇居民每个家庭平均全年可支配收入x与消费性支出y的统计数据。①利用OLS法建立人均消费支出与可支配收入的线性模型和对数线性模型；②检验模型是否存在异方差性；③如果存在异方差性，试采用适当的方法加以消除。表6中国城镇居民人均可支配收入与消费性支出(单位：元)地区可支配收入x消费性支出y地区可支配收入x消费性支出y北京10349.698493.49浙江9279.167020.22天津8140.506121.04山东6489.975022.00河北5661.164348.47河南4766.263830.71山西4724.113941.87湖北5524.544644.50内蒙古5129.053927.75湖南6218.735218.79辽宁5357.794356.06广东9761.578016.91吉林4810.004020.87陕西5124.244276.67黑龙江4912.883824.44甘肃4916.254126.47上海11718.018868.19青海5169.964185.73江苏6800.235323.18新疆5644.864422.93输入数据：dataxy绘制图形，确定模型：Plotxy（相关图）view-graph-scatter（散点图）（1）线性模型：lsxy)38690.32)(705713.1()023316.0)(6773.159(755125.03635.272ˆtsxytt983129.02R912.1048F301684.1DWS.E=216.8900对数线性模型：GENRlnx=LOG(x)GENRlny=LOG(y)lslnyclnxttxyln945917.0249434.0ˆlnS=(0.263495)(0.030132)t=(0.946635)(31.39272)982063.02R981066.02RF=985.5030S.E=0.038023DW=1.512696(2)检验是否存在异方差性White检验：lsycx在方程窗口中views-residualtest-heteroscedasticity-white此时可以选择要不要包含交叉乘积项。一元的自由度为2二元的自由度为5取α=0.05，n为样本数量，2nr=12.6521399.5205.02）（，即对应的p值小于0.05，表面模型存在异方差性。Goldfeld-Quandt检验（戈德菲尔德-匡特检验）：将观察值按解释变量的大小顺序排列，将排列在中间的约1/4的数据删掉，记为c，也可不删。由样本x数据排序，n=20,c=20/4=5,取c=4，从中间去掉4个数据，确定子样1（1~8）Sortx将样本数据关于x排序Smpl18确定子样本1Lsycx求出RSS1Smpl1320确定子样本2lsycx求出RSS2计算出F=RSS2/RSS1取α为0.05,查第一自由度和第二自由度为1--2-nkc的F分布表，大于查的结果则存在异方差性。子样本1求出RSS1=126528.6。子样本2确定子样本2（13~20），求出RSS2=615472，计算出F=RSS2/RSS1=4.86，给定显著性水平为0.05，查05.005.0,28.4)6,6(FFF，所以模型存在异方差性。Gleiser检验：iews-residualtest-heteroscedasticity-gleisernr2对应的p值小于0.05，存在异方差性。Park检验：iews-residualtest-heteroscedasticity-harvey-输入log(x)Nr2对应的p值小于0.05，所以存在异方差性。（3）消除异方差性加权最小二乘法：生成权数变量1/x1/x2x/1Ls(w=权数表达式)ycx使用white检验是否已消除异方差性采用加权最小二乘法估计，取权数w=1/x，得如下回归方程：)4532.26)(8777.1(748885.018.311ˆtxytt9749.02RF=699.7741在方程窗口进行white检验可知，用加权最小二乘法估计人均消费支出函数不存在异方差性。自相关性的检验与消除13√天津市城镇居民人均消费性支出（CONSUM），人均可支配收入（INCOME），以及消费价格指数（PRICE）见表4。定义人均实际消费性支出y=CONSUM/PRICE，人均实际可支配收入x=INCOME/PRICE。表4天津市城镇居民人均消费与人均可支配收入数据年份CONSUM(元)INCOME(元)PRICE1978344.88388.321.0001979385.20425.401.0101980474.72526.921.0621981485.88539.521.0751982496.56576.721.0811983520.84604.311.0861984599.64728.171.1061985770.64875.521.2501986949.081069.611.33619871071.041187.491.42619881278.871329.71.66719891291.091477.771.91219901440.471638.921.97019911585.711844.982.17119921907.172238.382.41819932322.192769.262.84419943301.373982.133.52619954064.104929.534.06619964679.615967.714.43219975204.296608.564.56919985471.017110.544.54619995851.537649.834.49620006121.078140.554.478①利用OLS估计模型tttuxbby10②根据DW检验法、LM检验法检验模型是否存在自相关性。③如果存在一阶自相关性，用DW值来估计自相关系数ˆ。④利用估计的ˆ值，用OLS法估计广义差分方程：tttttvxxbbyy)ˆ()ˆ1(ˆ1101⑤利用OLS估计模型：tttuxbbylnln10，检验此模型是否存在自相关性，如果存在自相关性，如何消除？（1）输入数据lsycx988303.0)12221.42)(533804.6(711829.044.111ˆ2RtxyttF=1774.281DW=0.598571（2）DW检验：由DW=0.598571，给定显著性水平α=0.05查DW统计表，n=23,k=1,得dl=1.26,du=1.44,因为DW=0.5986，根据判断区域可知，随机误差项存在一阶正相关。判断区域：ldDW0一阶正自相关4d-4lDW一阶负自相关udDW-4du不存在自相关LM检验：（拉格朗日乘数检验）方程窗口中单击view-residualtest-serialcorrelationLMtest选择滞后期为1或2LM（1）=9.794，p=0.0018,小于0.05，因此，随机误差项存在一阶自相关。（3）用DW法估计自相关系数ˆ：ˆ=1-0.5DW由于DW=0.59857，所以7007.05.01ˆDW（4）利用ˆ估计广义差分模型：输入命令：lsy-值*y(-1)cx-值*x(-1)tttttexxyy)7007.0(678175.016776.457007.011t=(3.685002)(19.92184)952025.02RDW=2.310313F=396.8798DW=2.310313,给定显著性水平为0.05，n=22,dl=1.24,du=1.43DW=2.3103134-du=2.57,故不存在一阶序列相关。因此，估计的原回归模型为ttxy678175.07007.0116776.45ˆ即ttxy6782.09115.150ˆ（5）GENRlnx=LOG(x)GENRlny=LOG(y)lslnyclnx)89923.46)(679608.4(887162.0597437.0ˆlntxytt990092.02RDW=0.786490F=2199.538由于DW=0.786490，给定显著性水平位0.05，n=23,dl=1.26,du=1.44,dw=0.786490dl=1.26,故存在一阶序列相关。自相关的修正：广义差分法只要对存在自相关性的模型广义差分变换，就可以消除原模型中的自相关性。应用估计的7007.0作广义差分变换，得)42526.16)(410582.2()7007.0(848889.0259084.07007.011texxyyttttt927534.02RDW=2.336247F=269.7892由于DW=2.336247，给定显著性水平0.05，n=22,dl=1.24,du=1.43DW4-du=2.57，故不存在一阶序列相关。因此估计的原回归模型为ttxyln848889.07007.01259084.0ˆln即ttxyln848889.08657.0ˆlnCochranne-Orcutt迭代法：（科克伦-奥克特迭代法）lsycxar(1)ar(2)DW=1.912603,查n=21,k=1，α=0.05的DW分布表，得dl=1.22,du=1.42,已不存在自相关。此时，回归方程为：ttxy673527.07692.158ˆ)48746.17)(150580.3(t2RF=DW=