計量經(jīng)濟學(xué)實驗四 異方差性

1、計量經(jīng)濟學(xué)實驗報告 學(xué) 院： 信管學(xué)院 專 業(yè)： 實驗編號： 實驗四 實驗題目： 異方差性 姓 名： 學(xué) 號：10 指導(dǎo)老師： 實驗四 異方差性【實驗?zāi)康摹空莆债惙讲钚缘臋z驗及處理方法【實驗內(nèi)容】建立并檢驗我國制造業(yè)利潤函數(shù)模型【實驗步驟】下表列出了2011年我國主要制造工業(yè)銷售收入與銷售利潤的統(tǒng)計資料，請利用統(tǒng)計軟件Eviews建立我國制造業(yè)利潤函數(shù)模型。數(shù)據(jù)來源：國家統(tǒng)計局 國家統(tǒng)計年鑒2012數(shù)據(jù) （ 工業(yè)（按行業(yè)分規(guī)模以上工業(yè)企業(yè)主要經(jīng)濟效益指標(biāo)）行 業(yè)主營業(yè)務(wù)收 入利潤總額行 業(yè)主營業(yè)務(wù)收 入利潤總額食品制造業(yè)4744.15393.97橡膠制品業(yè)2618.47197.14飲料制造業(yè)3

2、196.94287.6塑料制品業(yè)7282.32494.91煙草制品業(yè)4.520.37非金屬礦物制品業(yè)19225.091643.77紡織業(yè)16166.37982.62黑色金屬冶煉及壓延加工業(yè)16261.39861.93紡織服裝、鞋、帽制造業(yè)5919.32390.61有色金屬冶煉及壓延加工業(yè)10881.91647.9皮革、毛皮、羽毛(絨)及其制品業(yè)3477.54269.14金屬制品業(yè)11359.33765.78木材加工及木、竹、藤、棕、草制品5919.71445.29通用設(shè)備制造業(yè)17869.791321.51家具制造業(yè)2522.26191.42專用設(shè)備制造業(yè)9053.24731.06造紙及紙制品

3、業(yè)4512.39309.52交通運輸設(shè)備制造業(yè)11519.45767.87印刷業(yè)和記錄媒介的復(fù)制1612.8125.53電氣機械及器材制造業(yè)16224.091113.17文教體育用品制造業(yè)1107.6277.96通信設(shè)備、計算機及其他電子設(shè)備制造業(yè)4692.88330.43石油加工、煉焦及核燃料加工業(yè)4649257.04儀器儀表及文化、辦公用機械制造業(yè)2004.08149.47化學(xué)原料及化學(xué)制品制造業(yè)18927.571425.47工藝品及其他制造業(yè)7193.49445.46醫(yī)藥制造業(yè)3757.77347.66廢棄資源和廢舊材料回收加工業(yè)2645.28160.57化學(xué)纖維制造業(yè)2302.3710

4、4.91一、 檢驗異方差性圖形分析檢驗觀察銷售利潤（Y）與銷售收入（X）的相關(guān)圖(圖1)：SCAT X Y圖1 我國制造工業(yè)銷售利潤與銷售收入相關(guān)圖從圖中可以看出，隨著銷售收入的增加，銷售利潤的平均水平不斷提高，但離散程度也逐步擴大。這說明變量之間可能存在遞增的異方差性。殘差分析首先將數(shù)據(jù)排序（命令格式為：SORT 解釋變量），然后建立回歸方程。在方程窗口中點擊Resids按鈕就可以得到模型的殘差分布圖（或建立方程后在Eviews工作文件窗口中點擊resid對象來觀察）。圖2 我國制造業(yè)銷售利潤回歸模型殘差分布圖2顯示回歸方程的殘差分布有明顯的擴大趨勢，即表明存在異方差性。Goldfeld-Q

5、uant檢驗將樣本按解釋變量排序（SORT X）并分成兩部分（分別有1到10共1個樣本和19到28共10個樣本）利用樣本1建立回歸模型1（回歸結(jié)果如圖3），其殘差平方和為8067.52。SMPL 1 10LS Y C X圖3 樣本1回歸結(jié)果利用樣本2建立回歸模型2（回歸結(jié)果如圖4），其殘差平方和為25214669。SMPL 20 29LS Y C X圖4 樣本2回歸結(jié)果計算F統(tǒng)計量：25214669/8067.52=3125.45，分別是模型1和模型2的殘差平方和。取時，查F分布表得，而，所以存在異方差性White檢驗建立回歸模型：LS Y C X，回歸結(jié)果如圖5。圖5 我國制造業(yè)銷售利潤回歸

6、模型在方程窗口上點擊ViewResidual TestWhite Heteroskedastcity,檢驗結(jié)果如圖6。圖6 White檢驗結(jié)果其中F值為輔助回歸模型的F統(tǒng)計量值。取顯著水平，由于,所以不存在異方差性。實際應(yīng)用中可以直接觀察相伴概率p值的大小，若p值較小，則認(rèn)為存在異方差性。反之，則認(rèn)為不存在異方差性。Park檢驗建立回歸模型（結(jié)果同圖5所示）。生成新變量序列：GENR LNE2=log(RESID2)GENR LNX=log（x）建立新殘差序列對解釋變量的回歸模型：LS LNE2 C LNX，回歸結(jié)果如圖7所示。圖7 Park檢驗回歸模型從圖7所示的回歸結(jié)果中可以看出，LNX的

7、系數(shù)估計值不為0且能通過顯著性檢驗，即隨即誤差項的方差與解釋變量存在較強的相關(guān)關(guān)系，即認(rèn)為存在異方差性。Gleiser檢驗（Gleiser檢驗與Park檢驗原理相同）建立回歸模型（結(jié)果同圖5所示）。生成新變量序列：GENR E=ABS(RESID)分別建立新殘差序列（E）對各解釋變量（X/X2/X(1/2)/X(1)/ X(2)/ X(1/2)）的回歸模型：LS E C X，回歸結(jié)果如圖8、9、10、11、12、13所示。圖8圖9圖10圖11圖12圖13由上述各回歸結(jié)果可知，各回歸模型中解釋變量的系數(shù)估計值顯著不為0且均能通過顯著性檢驗。所以認(rèn)為存在異方差性。由F值或確定異方差類型Gleise

8、r檢驗中可以通過F值或值確定異方差的具體形式。本例中，圖10所示的回歸方程F值（）最大，可以據(jù)次來確定異方差的形式。二、 調(diào)整異方差性確定權(quán)數(shù)變量根據(jù)Park檢驗生成權(quán)數(shù)變量：GENR W1=1/X1.6743根據(jù)Gleiser檢驗生成權(quán)數(shù)變量：GENR W2=1/X0.5另外生成：GENR W4=1/ RESID 2利用加權(quán)最小二乘法估計模型在Eviews命令窗口中依次鍵入命令：LS(W=) Y C X或在方程窗口中點擊EstimateOption按鈕，并在權(quán)數(shù)變量欄里依次輸入W1、W2、W4，回歸結(jié)果圖14、15、16所示。圖14圖15圖16對所估計的模型再進行White檢驗，觀察異方差的調(diào)整情況對所估計的模型再進行White檢驗，其結(jié)果分別對應(yīng)圖14、15、16的回歸模