计量经济学上机实验报告(异方差性)

《计量经济学》上机实验报告三题目：检验异方差性实验日期和时间：班级：学号：姓名实验室：实验环境：WindowsXP;EViews3.1实验目的：掌握异方差性的检验及处理方法实验内容：建立并检验四川省农村人均纯收入（X）与人均生活费支出（Y）的函数模型实验步骤：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)：SCATXY01000200030004000010002000300040005000XY从图中可以看出，随着农村人均纯收入的增加，人均消费支出不断提高，但是离散程度不大，这不能说明变量之间可能存在递增的异方差性，需要进行别的检验方法。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）。-100010020001000200030004000808590950005ResidualActualFitted上图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将样本安解释变量排序（SORTX）并分成两部分（分别有1978到1988共11个样本合1998到2008共11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1285.598。SMPL19781988LSYCXDependentVariable:YMethod:LeastSquaresDate:11/25/13Time:08:53Sample:19781988Includedobservations:11VariableCoefficientStd.Errort-StatisticProb.C-19.6653411.22945-1.7512290.1138X0.9699700.03946624.577610.0000R-squared0.985320Meandependentvar241.7309AdjustedR-squared0.983688S.D.dependentvar93.57987S.E.ofregression11.95175Akaikeinfocriterion7.962598Sumsquaredresid1285.598Schwarzcriterion8.034942Loglikelihood-41.79429F-statistic604.0588Durbin-Watsonstat0.823583Prob(F-statistic)0.000000⑶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29558.82。SMPL19982008LSYCXDependentVariable:YMethod:LeastSquaresDate:11/25/13Time:08:55Sample:19982008Includedobservations:11VariableCoefficientStd.Errort-StatisticProb.C54.5240062.053210.8786650.4024X0.7590360.02353432.252280.0000R-squared0.991422Meandependentvar1976.724AdjustedR-squared0.990469S.D.dependentvar587.0207S.E.ofregression57.30893Akaikeinfocriterion11.09776Sumsquaredresid29558.82Schwarzcriterion11.17010Loglikelihood-59.03766F-statistic1040.209Durbin-Watsonstat1.124021Prob(F-statistic)0.000000⑷计算F统计量：12/RSSRSSF＝29558.82/1285.598=22.992，21RSSRSS和分别是模型1和模型2的残差平方和。取05.0时，查F分布表得F0.05(11-1-1,11-1-1)=3.18，而F=22.992F0.05(11-1-1,11-1-1)=3.18，所以存在异方差性⒊White检验⑴建立回归模型：LSYCX，回归结果如图DependentVariable:YMethod:LeastSquaresDate:11/25/13Time:08:50Sample:19782008Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C71.6140718.157593.9440290.0005X0.7614450.01088169.982270.0000R-squared0.994113Meandependentvar1030.406AdjustedR-squared0.993911S.D.dependentvar850.2099S.E.ofregression66.34631Akaikeinfocriterion11.28999Sumsquaredresid127653.1Schwarzcriterion11.38251Loglikelihood-172.9949F-statistic4897.518Durbin-Watsonstat0.401829Prob(F-statistic)0.000000⑵在方程窗口上点击View\ResidualTests\HeteroskedastcityTests,在弹出的对话框中选择White,并点击OK,检验结果如图WhiteHeteroskedasticityTest:F-statistic1.631313Probability0.213725Obs*R-squared3.235218Probability0.198372TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:11/25/13Time:09:02Sample:19782008Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C730.63222245.2710.3254090.7473X6.0093293.3491881.7942640.0836X^2-0.0015010.000910-1.6483110.1105R-squared0.104362Meandependentvar4117.843AdjustedR-squared0.040388S.D.dependentvar6279.224S.E.ofregression6151.116Akaikeinfocriterion20.37842Sumsquaredresid1.06E+09Schwarzcriterion20.51719Loglikelihood-312.8655F-statistic1.631313Durbin-Watsonstat0.883445Prob(F-statistic)0.213725其中F值为辅助回归模型的F统计量值。取显著水平05.0，由于χ0.05(2)=5.993.235218,所以不存在异方差性。实际应用中可以直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。反之，则认为不存在异方差性。⒋Park检验⑴建立回归模型（结果同图5所示）。⑵生成新变量序列：GENRLNE2=log(RESID^2)GENRLNX=log(X)⑶建立新残差序列对解释变量的回归模型：LSLNE2CLNX，回归结果如图7所示。DependentVariable:LNE2Method:LeastSquaresDate:11/25/13Time:09:05Sample:19782008Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C4.9412511.8100772.7298560.0107LNX0.3688680.2677471.3776730.1788R-squared0.061427Meandependentvar7.406587AdjustedR-squared0.029063S.D.dependentvar1.538091S.E.ofregression1.515576Akaikeinfocriterion3.731808Sumsquaredresid66.61211Schwarzcriterion3.824324Loglikelihood-55.84303F-statistic1.897982Durbin-Watsonstat0.853362Prob(F-statistic)0.178844从图7所示的回归结果中可以看出，LNX的系数估计值不为0且不能通过显著性检验，即随即误差项的方差与解释变量不存在较强的相关关系，即认为不存在异方差性。⒌Gleiser检验（Gleiser检验与Park检验原理相同）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。