異方差性檢驗(yàn)處理方法

1、實(shí)驗(yàn)四異方差性【實(shí)驗(yàn)?zāi)康摹空莆债惙讲钚缘牟轵?yàn)及辦理方法【實(shí)驗(yàn)內(nèi)容】成立并查驗(yàn)我國(guó)制造業(yè)收益函數(shù)模型【實(shí)驗(yàn)步驟】【例1】表1列出了1998年我國(guó)主要制造工業(yè)銷售收入與銷售收益的統(tǒng)計(jì)資料，請(qǐng)利用統(tǒng)計(jì)軟件Eviews成立我國(guó)制造業(yè)收益函數(shù)模型。表1我國(guó)制造工業(yè)1998年銷售收益與銷售收入狀況行業(yè)名稱銷售收益銷售收入行業(yè)名稱銷售收益銷售收入食品加工業(yè)187.253180.44醫(yī)藥制造業(yè)238.711264.1食品制造業(yè)111.421119.88化學(xué)纖維制品81.57779.46飲料制造業(yè)205.421489.89橡膠制品業(yè)77.84692.08煙草加工業(yè)183.871328.59塑料制品業(yè)144.34

2、1345紡織業(yè)316.793862.9非金屬礦制品339.262866.14服飾制品業(yè)157.71779.1黑色金屬冶煉367.473868.28皮革羽絨制品81.71081.77有色金屬冶煉144.291535.16木材加工業(yè)35.67443.74金屬制品業(yè)201.421948.12家具制造業(yè)31.06226.78一般機(jī)械制造354.692351.68造紙及紙品業(yè)134.41124.94專用設(shè)施制造238.161714.73印刷業(yè)90.12499.83交通運(yùn)輸設(shè)施511.944011.53文教體育用品54.4504.44電子機(jī)械制造409.833286.15石油加工業(yè)194.452363.8

3、電子通信設(shè)施508.154499.19化學(xué)原料紙品502.614195.22儀器儀表設(shè)施72.46663.68一、查驗(yàn)異方差性圖形分析查驗(yàn)察看銷售收益（Y）與銷售收入（X）的有關(guān)圖(圖1)：SCATXY圖1我國(guó)制造工業(yè)銷售收益與銷售收入有關(guān)圖從圖中能夠看出，跟著銷售收入的增添，銷售收益的均勻水平不停提升，但失散程度也逐漸擴(kuò)大。這說明變量之間可能存在遞加的異方差性。1殘差分析第一將數(shù)據(jù)排序（命令格式為：SORT解說變量），此后成立回歸方程。在方程窗口中點(diǎn)擊Resids按鈕就能夠獲得模型的殘差散布圖（或成立方程后在Eviews工作文件窗口中點(diǎn)擊resid對(duì)象來察看）。2我國(guó)制造業(yè)銷售收益回歸模型殘

4、差散布2顯示回歸方程的殘差散布有顯然的擴(kuò)大趨向，即表示存在異方差性。Goldfeld-Quant查驗(yàn)將樣本按解說變量排序（SORTX）并分紅兩部分（分別有1到10共11個(gè)樣本合19到28共10個(gè)樣本）利用樣本1成立回歸模型1（回歸納果如圖3），其殘差平方和為2579.587。SMPL110LSYCX圖3樣本1回歸納果利用樣本2成立回歸模型2（回歸納果如圖4），其殘差平方和為63769.67。SMPL1928LSYCX2圖4樣本2回歸納果計(jì)算F統(tǒng)計(jì)量：FRSS2/RSS163769.67/2579.59=24.72，RSS1和RSS2分別是模型1和模型2的殘差平方和。取0.05時(shí)，查F散布表得F

5、0.05(1011,1011)3.44，而F24.72F0.053.44，因此存在異方差性White查驗(yàn)成立回歸模型：LSYCX，回歸納果如圖5。圖5我國(guó)制造業(yè)銷售收益回歸模型在方程窗口上點(diǎn)擊ViewResidualTestWhiteHeteroskedastcity,查驗(yàn)結(jié)果如圖6。圖6White查驗(yàn)結(jié)果3此中F值為協(xié)助回歸模型的F統(tǒng)計(jì)量值。取明顯水平0.05，因?yàn)?2.05(2)5.99nR26.2704,因此存在異方差性。實(shí)質(zhì)應(yīng)用中能夠直接察看相伴概率p值的大小，若p值較小，則以為存在異方差性。反之，則以為不存在異方差性。Park查驗(yàn)成立回歸模型（結(jié)果同圖5所示）。生成新變量序列：GEN

6、RLNE2=log(RESID2)GENRLNX=logx成立新殘差序列對(duì)解說變量的回歸模型：LSLNE2CLNX，回歸納果如圖7所示。圖7Park查驗(yàn)回歸模型從圖7所示的回歸納果中能夠看出，LNX的系數(shù)預(yù)計(jì)值不為0且能經(jīng)過顯然性查驗(yàn)，即隨即偏差項(xiàng)的方差與解說變量存在較強(qiáng)的有關(guān)關(guān)系，即以為存在異方差性。Gleiser查驗(yàn)（Gleiser查驗(yàn)與Park查驗(yàn)原理同樣）成立回歸模型（結(jié)果同圖5所示）。生成新變量序列：GENRE=ABS(RESID)分別成立新殘差序列（E）對(duì)各解說變量（X/X2/X(1/2)/X(1)/X(2)/X(1/2)）的回歸模型：LSECX，回歸納果如圖8、9、10、11、1

7、2、13所示。849101112513由上述各回歸納果可知，各回歸模型中解說變量的系數(shù)預(yù)計(jì)值顯然不為0且均能經(jīng)過顯然性查驗(yàn)。因此以為存在異方差性。由F值或R2確立異方差種類Gleiser查驗(yàn)中能夠經(jīng)過F值或R2值確立異方差的詳細(xì)形式。本例中，圖10所示的回歸方程F值（R2）最大，能夠據(jù)次來確立異方差的形式。二、調(diào)整異方差性確立權(quán)數(shù)變量依據(jù)Park查驗(yàn)生成權(quán)數(shù)變量：GENRW1=1/X1.6743依據(jù)Gleiser查驗(yàn)生成權(quán)數(shù)變量：GENRW2=1/X0.5其他生成：GENRW3=1/ABS(RESID）GENRW4=1/RESID2利用加權(quán)最小二乘法預(yù)計(jì)模型在Eviews命令窗口中挨次鍵入命令：LS(W=Wi)YCX或在方程窗口中點(diǎn)擊EstimateOption按鈕，并在權(quán)數(shù)變量欄里挨次輸入W1、W2、W3、W4，回歸納果圖14、15、16、17所示。圖146圖15圖16圖17對(duì)所預(yù)計(jì)的模型再進(jìn)行White查驗(yàn)，察看異方差的調(diào)整狀況對(duì)所預(yù)計(jì)的模型再進(jìn)行White查驗(yàn)，其結(jié)果分別對(duì)應(yīng)圖14、15、16、17的回歸模型（如圖18、19、20、21所示