計量經(jīng)濟學異方差的檢驗與修正

1、計量經(jīng)濟學實訓報告實訓項目名稱 異方差模型的檢驗與處理實 訓 時 間 2012-01-02實 訓 地 點 實驗樓308班 級學 號姓 名 實 訓 (實 踐 ) 報 告實 訓 名 稱 異方差模型的檢驗與處理 一、 實訓目的掌握異方差性的檢驗及處理方法。二 、實訓要求1.求銷售利潤與銷售收入的樣本回歸函數(shù)，并對模型進行經(jīng)濟意義檢驗和統(tǒng)計檢驗；2.分別用圖形法、Goldfeld-Quant檢驗、White方法檢驗模型是否存在異方差；3.如果模型存在異方差，選用適當?shù)姆椒▽Ξ惙讲钸M行修正，消除或減小異方差對模型的影響。三、實訓內(nèi)容建立并檢驗我國制造業(yè)利潤函數(shù)模型，檢驗異方差性，并選用適當方法對其進行修

2、正，消除或不同）四、實訓步驟1.建立一元線性回歸方程；2.建立Workfile和對象，錄入數(shù)據(jù)；3.分別用圖形法、Goldfeld-Quant檢驗、White方法檢驗模型是否存在異方差；4.對所估計的模型再進行White檢驗，觀察異方差的調(diào)整情況，從而消除或減小異方差對模型的影響。五、實訓分析、總結表1列出了1998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。假設銷售利潤與銷售收入之間滿足線性約束，則理論模型設定為：其中表示銷售利潤，表示銷售收入。表1 我國制造工業(yè)1998年銷售利潤與銷售收入情況行業(yè)名稱銷售利潤Y銷售收入X行業(yè)名稱銷售利潤銷售收入食品加工業(yè)187.253180.44醫(yī)藥制

3、造業(yè)238.711264.1食品制造業(yè)111.421119.88化學纖維制品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)144.341345紡織業(yè)316.793862.9非金屬礦制品339.262866.14服裝制品業(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普通機械制造354.692351.68造紙及紙品業(yè)134.

4、41124.94專用設備制造238.161714.73印刷業(yè)90.12499.83交通運輸設備511.944011.53文教體育用品54.4504.44電子機械制造409.833286.15石油加工業(yè)194.452363.8電子通訊設備508.154499.19化學原料紙品502.614195.22儀器儀表設備72.46663.681.建立Workfile和對象，錄入銷售收入X和銷售利潤Y：圖1 銷售收入X和銷售利潤Y的錄入2.圖形法檢驗觀察銷售利潤Y與銷售收入X的相關圖：在群對象窗口工具欄中點擊viewGraphScatterSimple Scatter, 可得X與Y的簡單散點圖(圖1)，可

5、以看出X與Y是帶有截距的近似線性關系，即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。圖2 我國制造工業(yè)銷售利潤與銷售收入相關圖殘差分析由路徑：Quick/Estimate Equation，進入Equation Specification窗口，鍵入“y c x確認并“ok”，得樣本回歸估計結果，見圖3。 圖3 樣本的回歸估計結果生成殘差平方序列。在得到圖3的估計結果后，直接在工作文件窗口中按Genr,在彈出的窗口中, 在主窗口鍵入命令如下e2=resid2(用e2來表示殘差平方序列),得到殘差平方序列e2；同時繪制對的散點圖。按住

6、Ctrl鍵,同時選擇變量X與（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）以組對象方式打開，進入數(shù)據(jù)列表，再按路徑viewGraphScatterSimple Scatter，可得散點圖，見圖4。 圖4 我國制造業(yè)銷售利潤回歸模型殘差分布由圖4可以大致看出殘差平方隨的變動呈增大的趨勢，因此，模型很可能存在異方差。但是否確實存在異方差還應通過更進一步的檢驗。 3.Goldfeld-Quant檢驗構造子樣本區(qū)間，建立回歸模型。將樣本安解釋變量排序（SORT X）并分成兩部分（分別有1到10共11個樣本以及19到28共10個樣本）利用樣本1建立回歸模型1（回歸結果如圖5），

7、然后用OLS方法求得如下結果 :其殘差平方和為2579.587。SMPL 1 10LS Y C X圖5 樣本1的回歸結果由圖5可以看出，樣本的估計結果為 利用樣本2建立回歸模型2（回歸結果如圖6），然后用OLS方法求得如下結果 :其殘差平方和為63769.67。SMPL 19 28LS Y C X圖6 樣本2回歸結果由圖6可以看出，樣本的估計結果為 計算F統(tǒng)計量：63769.67/2579.59=24.72，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，所以拒絕原假設，表明模型存在異方差性。4.White檢驗建立回歸模型：LS Y C X，回歸結果如圖7。圖7 我國制造業(yè)銷售利潤回

8、歸模型在方程窗口上點擊ViewResidualTestWhite Heteroskedastcity,檢驗結果如圖8。圖8 White檢驗結果其中F值為輔助回歸模型的F統(tǒng)計量值。取顯著水平，由于,所以存在異方差性。實際應用中可以直接觀察相伴概率p值的大小，若p值較小，則認為存在異方差性。反之，則認為不存在異方差性。5.異方差性的修正 （1）確定權數(shù)變量：根據(jù)Park檢驗生成權數(shù)變量：GENR W1=1/X1.6743根據(jù)Gleiser檢驗生成權數(shù)變量：GENR W2=1/X0.5另外生成：GENR W3=1/ABS(RESID）；GENR W4=1/ RESID 2（2）利用加權最小二乘法估計

9、模型：在方程窗口中點擊EstimateOption按鈕，并在權數(shù)變量欄里依次輸入W1、W2、W3、W4，回歸結果圖9、10、11、12所示。圖9 權數(shù)為W1時的回歸模型圖10 權數(shù)為W2時的回歸模型圖11 權數(shù)為W3時的回歸模型圖12 權數(shù)為W4時的回歸模型 （3）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，其結果分別對應圖9、10、11、12的回歸模型（如圖13、14、15、16所示）。圖13、14、16所對應的White檢驗顯示，P值較大，所以接收不存在異方差的原假設，即認為已經(jīng)消除了回歸模型的異方差性。圖15對應的White檢驗沒有顯示F值和的值，這表示異方差性已經(jīng)得到很好的解決。圖13 White檢驗的回歸模型圖14 White檢驗的回歸模型圖15 White檢驗的回歸模型（異方差得到解決）圖16 W