eviews的异方差检验.ppt

异方差的处理地区农业总产值（亿元）农作物播种面积（千公顷）地区农业总产值（亿元）农作物播种面积（千公顷）北 京115.48 295.01 湖 北1152.09 7030.01 天 津117.60 433.95 湖 南1243.15 7390.71 河 北1639.07 8652.70 广 东1328.70 4363.05 山 西322.65 3653.15 广 西970.55 5594.40 内蒙古620.42 6761.47 海 南224.17 754.32 辽 宁837.50 3703.88 重 庆401.48 3134.66 吉 林641.50 4943.99 四 川1316.60 9278.24 黑龙江971.94 11898.48 贵 州392.20 4464.53 上 海126.74 390.66 云 南683.80 5801.86 江 苏1542.53 7407.73 西 藏39.49 232.92 浙 江735.92 2462.82 陕 西629.34 4044.74 安 徽1054.01 8853.90 甘 肃458.73 3759.00 福 建685.30 2191.18 青 海49.16 516.68 江 西621.26 5245.13 宁 夏111.12 1189.83 山 东2604.07 10724.40 新 疆767.00 4202.63 河 南2254.52 14087.84 　　　一、检验异方差性⒈图形分析检验（1）观察农业总产值（Y）与农作物播种面积（X）的散点图：在命令窗口输入 SCAT X Y；或者把X、Y以数据组（Group）的形式打开，然后点击View/Graph/Scatter，如图1所示。

得到散点图，见图2图1 图2从图2中可以看出，随着农作物播种面积的增加，农业总产值不断提高，但离散程度也逐步扩大这说明变量之间可能存在递增的异方差性⑵残差分析首先将数据排序（命令格式为：SORT X；或打开X的数据表格，点击Sort按钮），然后建立回归方程在命令窗口输入 genr e2=resid^2然后以组的形式把X和e2打开，做散点图（在组窗口中点View/Graph/Scatter/Simple Scatter,如下图（图3） 图 3⒉Goldfeld-Quant检验⑴将样本安解释变量排序（SORT X）并分成两部分（分别有1到12共12个数据（子样本1），20到31共12个数据（子样本2））⑵利用子样本1建立回归模型1（回归结果如图4），其残差平方和为SMPL 1 12LS Y C X 图4 ⑶利用样本2建立回归模型2（回归结果如图5），其残差平方和为2265858 SMPL 20 31 LS Y C X 图5⑷计算F统计量：RSS1 和RSS2分别是模型1和模型2的残差平方和。

取，所以存在异方差性⒊White检验⑴建立回归模型：LS Y C X，回归结果如图6 图6 ⑵在方程窗口上点击View\Residual Test\White Heteroskedastcity(no cross terms),检验结果如图7图7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⒋Park检验⑴建立回归模型（结果同图6所示）⑵生成新变量序列：GENR LNE2=log(RESID^2)GENR LNX=log（X） ⑶建立新残差序列对解释变量的回归模型：LS LNE2 C LNX，回归结果如图8所示 图8 从从图8所示的回所示的回归结果中可以看出，果中可以看出，LNX的系数估的系数估计值不不为0且能通且能通过显著性著性检验，即随即，即随即误差差项的的方差与解方差与解释变量存在量存在较强的相关关系，即的相关关系，即认为存存在异方差性在异方差性⒌⒌Gleiser检验（（Gleiser检验与与Park检验原理相同）原理相同）⑴⑴建立回建立回归模型（模型（结果同果同图6所示）⑵⑵生成新生成新变量序列：量序列：genr E=ABS(RESID)⑶⑶分分别建立新残差序列（建立新残差序列（E））对各解各解释变量（量（X、、X^2、、X^(1/2)、、X^(-1)、、X^(-2)、、X^(-1/2)）的回）的回归模型：模型：LS E C X，回，回归结果如果如图9、、10、、11、、12、、13、、14所示。

所示 图9 图10  图11 图12  图13 图14 由上述各回归结果可知，各回归模型中解释变量的系数估计值显著不为0且均能通过显著性检验所以认为存在异方差性⑷由F值或确定异方差类型Gleiser检验中可以通过F值或 值确定异方差的具体形式本例中，图11所示的回归方程F值（ ）最大，可以据此来确定异方差的形式二、运用加权最小二乘法消除异方差二、运用加权最小二乘法消除异方差权数采用权数采用 ，如果仍然存在异方差，可以尝，如果仍然存在异方差，可以尝试其他权数试其他权数 在命令窗口输入在命令窗口输入 genr w1=1/abs(resid)回车回车然后输入然后输入 LS（（W=W1）） Y C X得到以下方程得到以下方程在方程窗口点在方程窗口点View\Residual Test\White Heteroskedastcity(no cross terms), 进行进行White检验，发现异方差已经消除如下图检验，发现异方差已经消除如下图三、在回归之前，对原序列均取对数，然后对对三、在回归之前，对原序列均取对数，然后对对数序列进行回归，有时能消除异方差数序列进行回归，有时能消除异方差。