管理統(tǒng)計(jì)學(xué)異方差自相關(guān)多重共線性的檢驗(yàn)

實(shí)驗(yàn)名稱：多元回歸模型的異方差、自相關(guān)性、多重共線性檢驗(yàn)【實(shí)驗(yàn)內(nèi)容】表4-7給出了我國1995-2007年名義服務(wù)產(chǎn)業(yè)產(chǎn)出（Y）、服務(wù)員就業(yè)人數(shù)（X1）、軟件外包服務(wù)收入（X2）和技術(shù)進(jìn)步知識(shí)（X3）的數(shù)據(jù)。試完成：表4-7我國1995-2007年名義服務(wù)業(yè)產(chǎn)出、服務(wù)員就業(yè)人數(shù)、軟件外包服務(wù)收入和技術(shù)進(jìn)步指數(shù)的數(shù)據(jù)名義服務(wù)業(yè)產(chǎn)服務(wù)員就業(yè)人軟件外包服務(wù)年份出(億元)19978.523326.226988.130580.533873.43871444361.649898.956004.764561.373432.984721.4100053.5數(shù)(萬人)16880179271843218860192051982320228210902180923011237712461424917收入(億美元)技術(shù)進(jìn)步指數(shù)19951996199719981999200020012002200320042005200620070.090.080.110.140.581.061.83.2646.339.61.0861.0891.0471.0651.0150.9991.0211.1390.7721.341.4514.322.061.581.64(1)根據(jù)表4-7的數(shù)據(jù)建立多元回歸模型，并進(jìn)行估計(jì)。(2)用White檢驗(yàn)法對回歸模型的隨機(jī)干擾項(xiàng)進(jìn)行異方差檢驗(yàn)。(3)用LM檢驗(yàn)法回歸模型的隨機(jī)干擾項(xiàng)進(jìn)行自相關(guān)檢驗(yàn)。(4)根據(jù)回歸方程的結(jié)果判斷各項(xiàng)系數(shù)是否通過了t檢驗(yàn)，方程是否通過了F檢驗(yàn)。【實(shí)驗(yàn)步驟】（一）參數(shù)估計(jì)：打開EViews軟件，輸入數(shù)據(jù)，估計(jì)樣本回歸方程（操作方法同第二章案例的建立工作文件部分）如下圖：根據(jù)上圖，模型的估計(jì)的回歸方程為：Y=-76769.99+6.0453X1+1631.505X2-6206.783X3（0.199）(2.235)(31.487)(17.770)括號(hào)內(nèi)為t統(tǒng)計(jì)量值。（二）檢驗(yàn)異方差性：（1）圖形檢驗(yàn)分析：1.散點(diǎn)圖：在EViews命令窗口中輸入：SCATX1Y，得到名義服務(wù)業(yè)產(chǎn)出（Y）和服務(wù)員就業(yè)人數(shù)(X1)的散點(diǎn)圖。從圖中可以看出，隨著名義服務(wù)業(yè)產(chǎn)出（Y）的增加，服務(wù)員就業(yè)人數(shù)(X1)也不斷提高，而離散程度幾乎沒有變化。這說明變量之間不存在異方差性。同樣地，也用散點(diǎn)圖法檢驗(yàn)X2,得到下圖：從圖中可以看出，隨著名義服務(wù)業(yè)產(chǎn)出（Y）的增加，軟件外包服務(wù)收入（X2）也不斷提高，而離散程度幾乎沒有變化。這說明變量之間不存在異方差性。檢驗(yàn)X3得到下圖：從圖中可以看出，隨著名義服務(wù)業(yè)產(chǎn)出（Y）的增加，技術(shù)進(jìn)步指數(shù)也不斷提高，而離散程度幾乎沒有變化。這說明變量之間不存在異方差性。2、殘差檢驗(yàn)法：在命令窗口輸入：lineresid，得到如下圖的模型殘差分布圖上圖顯示回歸方程的殘差分布有明顯的縮小的趨勢，即表明不存在異方差性。3、White檢驗(yàn)法：(1)建立回歸模型：lsycx1x2x3,回歸結(jié)果如最上面的圖所示，(2)在方程窗口上以此點(diǎn)擊View\Residual\Test\WhiteHeteroskedastcity,檢驗(yàn)結(jié)果如下圖：其中F值為輔助回歸模型的F統(tǒng)計(jì)量值。取顯著水平，由于,所以不存在異方差性。實(shí)際應(yīng)用中可以直接觀察相伴概率p值的大小，在顯著水平方差性。的條件下，若p值小于0.05，則認(rèn)為存在異方差性。反之，則認(rèn)為不存在異4、Park檢驗(yàn)：1.建立回歸模型。2.生成新變量序列殘差平方的對數(shù)：在命令窗口分別輸入GENRLNE2=log(RESID^2)。3.建立新殘差序列對解釋變量的回歸模型：LSLNE2CX1X2X3，回歸結(jié)果如圖3-10所示。從上圖所示的回歸結(jié)果中的p值可以直接看出，X的系數(shù)估計(jì)值在顯著水平0，即隨機(jī)干擾項(xiàng)的方差與解釋變量不存在較強(qiáng)的相關(guān)關(guān)系，即認(rèn)為不存在異方差性。由于Gleiser檢驗(yàn)與Park檢驗(yàn)原理相同，在此略去。的條件下，顯著為三、自相關(guān)性檢驗(yàn)：模型的估計(jì)的回歸方程為：Y=-76769.99+6.0453X1+1631.505X2-6206.783X3se=(6477.589)(0.290)(149.751)(2744.556)t=（0.199）(2.235)(31.487)(17.770)DW=1.6205（一）檢驗(yàn)由于樣本容量小于15，所以該檢驗(yàn)法不適合使用。（二）檢驗(yàn)在方程窗口中點(diǎn)擊View/ResidualTest/SerialCorrelationLMTest，選擇滯后期為2，輸出結(jié)果如下圖?？傻?，相伴概率（即值）為0.5618，因此在顯著性水平的條件下，接受無自相關(guān)的原假設(shè)，即隨機(jī)干擾項(xiàng)不存在自相關(guān)。（4）模型檢驗(yàn)：1、經(jīng)濟(jì)意義檢驗(yàn)：模型估計(jì)結(jié)果說明，在假定其他變量不變的情況下，當(dāng)服務(wù)就業(yè)人數(shù)每增長1萬人，名義服務(wù)業(yè)產(chǎn)出就會(huì)增加6.0453億美元；在假定其他變量不變的情況下，當(dāng)軟件外包服務(wù)收入每增長1億美元，國債發(fā)行總量就會(huì)增加1631.505億美元；在假定其他變量不變的情況下，當(dāng)技術(shù)進(jìn)步指數(shù)每增長1，國債發(fā)行總量就會(huì)增加-6206.783億美元；服務(wù)就業(yè)人數(shù)、軟件外包服務(wù)收入與名義服務(wù)業(yè)產(chǎn)出均為正相關(guān)，這與理論分析及經(jīng)驗(yàn)判斷相一致。但技術(shù)進(jìn)步指數(shù)與名義服務(wù)業(yè)產(chǎn)出為負(fù)相關(guān)，這與理論分析及經(jīng)驗(yàn)判斷不一致。說明該模型可能存在多重共線性。2、t檢驗(yàn)：分別針對：，給定顯著性水平=0.05，查t分布表得自由度為13-3-1=9，臨界值對應(yīng)的t統(tǒng)計(jì)量分別為2.435、31.487、17.770。,其絕對值均大于。臨界值2.2622，所以均通過了顯著性檢驗(yàn)。3、F檢驗(yàn)：針對:,給定顯