異方差檢驗(yàn)的eviews操作

第四章方差性例4.1.4一、參數(shù)估進(jìn)入軟件包，確時(shí)間范圍，編輯輸入數(shù)據(jù)；選擇估計(jì)方程菜單：(1)在Workfile話框中，由路徑：，進(jìn)入話框，鍵入log(y)clog(x1)log(x2)認(rèn)ok，得到樣本回歸估計(jì)結(jié)果；(2)直接在命令欄里輸入“l(fā)slog(y)clog(x1)log(x2),得到樣本回歸估計(jì)結(jié)果；(3)在的當(dāng)前窗口，由路徑：Equation進(jìn)入窗口，鍵入log(y)log(x1)log(x2)認(rèn)ok，得到樣本回歸估計(jì)結(jié)果。如表4.1：表4.1圖4.1估計(jì)結(jié)果為：R

(3.14)=0.7798F=49.60RSS=0.8357括號(hào)內(nèi)為t統(tǒng)計(jì)量值。

二、檢驗(yàn)?zāi)５漠惙讲睿ǎ┬危?）生成殘差平方序列。①在的對(duì)話框中，由路徑：Procs/Generate，入Generateby對(duì)話框，鍵入“成殘差平方項(xiàng)序列e2；②直接在命令欄里輸入“Enter,得到殘差平方項(xiàng)序列。（2）繪制散點(diǎn)圖。①直接在命令框里輸入“l(fā)og(x2)Enter，可得散點(diǎn)圖4.2。②選擇變量名log(x2)與e2注意選擇變量的順序，先選的變量將在圖形中表示橫軸，后選的變量表示縱軸再按路徑view/graph/scatter/simplescatter，可得散點(diǎn)圖4.2。③由路徑進(jìn)入serieslist窗口，輸入“e2認(rèn)并ok，再在彈出的窗口把換成再點(diǎn)ok，可得散點(diǎn)圖4.2。圖4.2由圖4.2可以看出，殘差平方項(xiàng)對(duì)解釋變量的散點(diǎn)圖主要分布圖形中的下三角部分大致看出殘差平方項(xiàng)隨log(X2)的變動(dòng)呈增大的趨勢(shì)因此，模型很可能存在異方差。但是否確實(shí)存在異方差還應(yīng)通過(guò)更進(jìn)一步的檢驗(yàn)。（）Goldfeld-Quanadt驗(yàn)（1）對(duì)變量取值排序（按遞增或遞減

①在Workfile口中，由路徑Series進(jìn)入workfile對(duì)話框，鍵入“果以遞增型排序，選，如果以遞減型排序，則應(yīng)選Descending點(diǎn)。本例選遞增型排序，選。②直接在命令欄里輸入“x2認(rèn)為升序按。（2）構(gòu)造子樣本區(qū)間，建立回歸模型。在本例中，樣本容n=31刪除中1/4的觀測(cè)值，即大7觀測(cè)值，余下部分平分得兩個(gè)樣本區(qū)間：1-12和20-31，它們的樣本個(gè)數(shù)均是12個(gè)。在Sample菜單里把值改“112”再方法進(jìn)行第一個(gè)子樣本回歸估計(jì)，估計(jì)結(jié)果如表4.2。表4.2同樣地，在菜單里，把值改為“20”再用法進(jìn)行第二個(gè)子樣本回歸估計(jì)，估計(jì)結(jié)果如表4.3表4.3

0.050.100.050.100.050.100.050.10（3）求F計(jì)量值?；诒?.2和表中殘差平方和的數(shù)據(jù)，即squared值，得到RSS1=0.0702和RSS2=0.1912，根據(jù)檢驗(yàn)，F(xiàn)統(tǒng)計(jì)量為：F=RSS1=0.1912/0.0702=2.73。（4）判斷。在5%與10%顯著性水平下，F(xiàn)布表得：自由度為9,9）F分布的臨界值分別為F=3.18與F。因?yàn)镕=2.73<(9,9)=3.18，因此顯著性水平下不拒絕兩組子樣方差相同的假設(shè)，但F=2.73>F(9,9)=2.44，因此顯著性水平下拒絕兩組子樣方差相同的假設(shè)，即存在異方差。（）驗(yàn)①由表的估計(jì)結(jié)果，按路徑heteroskedasticity(crossterms)，進(jìn)入驗(yàn)，其中表示有交叉乘積項(xiàng)。得到表4.4的結(jié)果。表4.4

0.050.050.050.05輔助回歸結(jié)果為：(1.87)(2.56)(1.58)(0.47)R2由表果得到：懷特統(tǒng)計(jì)量nR2×，查χ2分布表得到在顯著性水平下，自由度為的χ分布的臨界值為=11.07因?yàn)閚R2=20.55>χ2=11.07，所以拒絕同方差的原假設(shè)。②由表4.1的估計(jì)結(jié)果路徑heteroskedasticitynoterms入White驗(yàn)，其中nocrossterms表示無(wú)交叉乘積項(xiàng)。得到表4.5的結(jié)果。表4.5

去掉交叉項(xiàng)后的輔助回歸結(jié)果為：（5.64）（）（-1.64）（4.10）（1.67）R

2

=0.6599有懷特統(tǒng)計(jì)量nR

2

=31×0.6599=20.46，因，在5%的顯著性水平下，仍是拒絕同方差這一原假設(shè)，表明模型存在異方差。三、異方差的修正（）權(quán)小乘（WLS）（1）生成權(quán)數(shù)。按路徑：，進(jìn)入GSeriesby對(duì)話框，鍵入“w=1/sqr(exp(93.20-25.981*log(x2)+1.701*(log(x2))^2))”或者直接在命令欄輸入“”生成權(quán)數(shù)w。（2）加權(quán)最小二乘法估計(jì)（在表4.1結(jié)果中，由路徑進(jìn)入Specification對(duì)話框，點(diǎn)擊O鈕，在Options對(duì)話框的w前面打勾并在下面輸入欄處輸入w，如圖4.3，連續(xù)次確認(rèn)OK后，得到表4.6估計(jì)結(jié)果：

圖4.3表4.5加權(quán)最小二乘法估計(jì)（）結(jié)果為：(3.23)(3.80)R2F=8602.18RSS=0.3705可以看出運(yùn)用加權(quán)最小二乘法消除異方差性后，參數(shù)的t檢驗(yàn)有了顯著的改進(jìn)，這表明即使在1%顯著性水平下，都不能拒絕從事農(nóng)業(yè)生產(chǎn)帶來(lái)的純收入對(duì)農(nóng)戶人均消費(fèi)支出有著顯著影響的假設(shè)雖然LnX1的參數(shù)值有了較大程度的提高，但仍沒LnX2的參數(shù)估計(jì)值大，說(shuō)明其他來(lái)源的純收入確實(shí)比來(lái)自農(nóng)業(yè)經(jīng)營(yíng)的純收入對(duì)農(nóng)戶人均消費(fèi)支出的影響更大一些。

（3）檢驗(yàn)加權(quán)回歸模型的異方差性。在命令欄中直接輸入“l(fā)sww*log(X2)回車鍵，輸出結(jié)果如表：