异方差问题的解决实验
金融141
计量经济实验报告
Eviews
姓名：王永鑫、刘明哲、刘健、吴宇豪、张雨松、李少卿
2016/12/14
异方差问题的解决实验
实验目的：掌握异方差、Goldfeld-Quandt检验、White检验、加权最小二乘法等基本概念及异方差产生的原因和后果；进一步掌握异方差的检验与修正方法以及如何运用Eviews软件在实证中实现相关检验与修正。
实验数据：城乡居民储蓄存款X，社会商品零售总额Y，样本20.
实验原理：G-Q检验、White检验，加权最小二乘法异方差修正。
实验知识预习：OLS估计；异方差问题后果；异方差检验方法；WLS异方差修正程序。
实验内容：
实验步骤一：建立工作文件和数据录入
obs 居民储蓄零售额
1995 1278.44 970.0
1996 1868.34 1161.3
1997 2729.57 1325.2
1998 2372.94 1471.1
1999 2597.12 1590.4
2000 2524.05 1722.3
2001 3001.89 1861.3
2002 3891.50 2035.2
2003 5103.15 2220.6
2004 6116.13 2454.6
2005 7665.60 2979.5
2006 8730.00 3375.2
2007 8745.22 3873.3
2008 11464.15 4577.2
2009 13707.32 5173.2
2010 15650.24 6186.8
2011 17288.45 7185.8
2012 19506.70 7840.4
2013 20486.25 8557.0
2014 21269.30 9303.5
实验步骤二：构建估计模型
构建线性回归模型如下：
Y=C0+C*X+εt
实验步骤三：模型的初步估计
估计方法采用OLS方法。
实验步骤四：异方差检验(G-Q检验)
分别建立样本范围为1995-2002和2007-2014的城乡居民储蓄与社会商品零售总额的回归结果，并得到RSS1=152238.2 RSS2=684951.9
异方差检验结果
根据G-Q检验，F的统计量为：F=RSS2/RSS1=4.49 F0.1(6,6)=4.28，得F=4.49>F0.1(6,6)=4.28
在显著水平为0.1的情况下，本模型有异方差性。
实验步骤四:异方差检验(White检验)
由White检验结果可知R2=0.199626，怀特统计量nR2=20*0.199626=3.99252，由于小于检验量
检验结论：在显著水平为0.05的条件下，检验结果显示：本模型不具有异方差性
实验步骤五:异方差修正
1、采用的方法为WLS
2、求出异方差修正的回归结果
修正后可以得到如下回归模型：Y=541.32+0.37X
2020年(财务知识)计量经济学实验教学案例实验四异方差
（财务知识）计量经济学实验教学案例实验四异方差
实验四异方差性 【实验目的】 掌握异方差性的检验及处理方法 【实验内容】 建立且检验我国制造业利润函数模型 【实验步骤】 【例1】表1列出了1998年我国主要制造工业销售收入和销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。 表1我国制造工业1998年销售利润和销售收入情况
一、检验异方差性 ⒈图形分析检验 ⑴观察销售利润（Y）和销售收入（X）的关联图(图1)：SCATXY 图1我国制造工业销售利润和销售收入关联图 从图中能够见出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。这说明变量之间可能存于递增的异方差性。 ⑵残差分析 首先将数据排序（命令格式为：SORT解释变量），然后建立回归方程。于方程窗口中点击Resids按钮就能够得到模型的残差分布图（或建立方程后于Eviews工作文件窗口中点击resid对象来观察）。 图2我国制造业销售利润回归模型残差分布 图2显示回归方程的残差分布有明显的扩大趋势，即表明存于异方差性。 ⒉Goldfeld-Quant检验 ⑴将样本安解释变量排序（SORTX）且分成俩部分（分别有1到10共11个样本合19到28共10个样本） ⑵利用样本1建立回归模型1（回归结果如图3），其残差平方和为2579.587。 SMPL110 LSYCX 图3样本1回归结果
⑶利用样本2建立回归模型2（回归结果如图4），其残差平方和为63769.67。 SMPL1928 LSYCX 图4样本2回归结果 ⑷计算F统计量：＝63769.67/2579.59=24.72，分别是模型1和模型2的残差平方和。 取时，查F分布表得，而，所以存于异方差性 ⒊White检验 ⑴建立回归模型：LSYCX，回归结果如图5。 图5我国制造业销售利润回归模型 ⑵于方程窗口上点击View\Residual\Test\WhiteHeteroskedastcity,检验结果如图6。 图6White检验结果 其中F值为辅助回归模型的F统计量值。取显著水平，由于,所以存于异方差性。实际应用中能够直接观察相伴概率p值的大小，若p值较小，则认为存于异方差性。反之，则认为不存于异方差性。 ⒋Park检验 ⑴建立回归模型（结果同图5所示）。 ⑵生成新变量序列：GENRLNE2=log(RESID^2) GENRLNX=log ⑶建立新残差序列对解释变量的回归模型：LSLNE2CLNX，回归结果如图7所示。 图7Park检验回归模型 从图7所示的回归结果中能够见出，LNX的系数估计值不为0且能通过显著性检验，即随即误差项的方差和解释变量存于较强的关联关系，即认为存于异方差性。
异方差实验报告
附件二：实验报告格式（首页） 山东轻工业学院实验报告成绩 课程名称计量经济学指导教师实验日期 2013.5.18 院（系）商学院会计系专业班级会计实验地点实验楼二机房 学生姓名学号同组人无 实验项目名称异方差的检验 一、实验目的和要求 1、理解异方差的含义后果、 2、学会异方差的检验与加权最小二乘法要求熟悉基本操作步骤，读懂各项上机榆出结果 的含义并进行分析 3、掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操 作方法 4、练习检查和克服模型的异方差的操作方法。 5、掌握异方差性的检验及处理方法 6、用图示法、斯皮尔曼法、戈德菲尔德、white验证法，验证该模型是否存在异方差 二、实验原理 1、异方差的检验出消除方法 2、运用EVIEWS软件及普通最小二乘法进行模型估计 3、检验模型的异方差性并对其进行调整 三、主要仪器设备、试剂或材料 Eviews软件、课本教材、电脑 四、实验方法与步骤 一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤 与方法同前），得到残差序列。 1、CREATE U 1 31 回车 2、DATA Y X 回车 输入数据
obs Y X 1 264 8777 2 105 9210 3 90 9954 4 131 10508 5 122 10979 6 10 7 11912 7 406 12747 8 503 13499 9 431 14269 10 588 15522 11 898 16730 12 950 17663 13 779 18575 14 819 19635 15 1222 21163 16 1702 22880 17 1578 24127 18 1654 25604 19 1400 26500 20 1829 26760 21 2200 28300 22 2017 27430 23 2105 29560 24 1600 28150 25 2250 32100 26 2420 32500 27 2570 35250 28 1720 33500 29 1900 36000 30 2100 36200 31 2800 38200 3、LS Y C X 回车 用最小二乘法进行估计出现 Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 11:19 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob.
异方差性的white检验及处理方法
实验二异方差模型的white检验与处理 【实验目的】 掌握异方差性的white检验及处理方法 【实验原理】 1. 定性分析异方差 (1) 经济变量规模差别很大时容易出现异方差。如个人收入与支出关系，投入与产出 关系。 (2) 利用散点图做初步判断。 (3) 利用残差图做初步判断。 2、异方差表现与来源异方差通常有三种表现形式 （1）递增型 （2）递减型 （3）条件自回归型。 3、White检验 （1）不需要对观测值排序，也不依赖于随机误差项服从正态分布，它是通过一个辅助回归式构造 2 统计量进行异方差检验。White检验的零假设和备择假设是 H0: (4－1)式中的ut不存在异方差， H1: (4－2)式中的ut存在异方差。 (2)在不存在异方差假设条件下，统计量 T R 2 2(5) 其中T表示样本容量，R2是辅助回归式(4－3)的OLS估计式的可决系数。自由度5表示辅助回归式(4－3)中解释变量项数（注意，不计算常数项）。T R 2属于LM统计量。 （3）判别规则是 若T R 2 2 (5), 接受H0（ut 具有同方差） 若T R 2 > 2 (5), 拒绝H0（ut 具有异方差） 【实验软件】 Eview6 【实验要求】 熟练掌握异方差white检验方法 【实验内容】 建立并检验我国部分城市国民收入y和对外直接投资FDI异方差模型 【实验方案设计】 下表列出了我国各地区农村居民家庭人均纯收入与家庭人均生活消费支出的数据，并利用统计软件Eviews建立异方差模型
表1 各地区农村居民家庭人均纯收入与家庭人均生活消费支出的数据（单位：元） 【实验过程】 1、启动Eviews6软件，建立新的workfile. 在主菜单中选择【File 】--【New 】--【Workfile 】,弹出 Workfile Create 对话框,在Workfile structure typ 中选择unstructured/undted.然后在observations 中输入31.在WF 中输入Work1，点击OK 按钮。如图： 2、数据导入且将要分析的数据复制黏贴. 在主菜单的空白处输入data x y 按下enter 。将家庭人均纯收入X 和家庭生活消 地区 家庭人均 纯收入 家庭生活消费支出 地区 家庭人均 纯收入 家庭生活消费支出 北京 湖北 3090 天津 湖南 河北 广东 山西 广西 内蒙古 海南 辽宁 重庆 吉林 四川 黑龙江 贵州 上海 云南 江苏 西藏 浙江 陕西 安徽 甘肃 福建 青海 江西 宁夏 山东 新疆 河南
异方差实验报告
《计量经济学》实训报告 实训项目名称异方差的检验及修正 实训时间 2011年12月13日 实训地点 班级 学号 姓名 实训(实践) 报告
实训名称异方差的检验及修正 一、实训目的 深刻理解异方差性的实质、异方差出现的原因、异方差的出现对模型的不良影响（即异方差的后果），掌握估计和检验异方差性的基本思想和修正异方差的若干方法；能够运用所学的知识处理模型中的出现的异方差问题，并要求初步掌握用EViews处理异方差的基本操作方法。 二、实训要求 使用教材第五章的数据做异方差的图形法检验、Goldfeld-Quanadt检验与White检验，使用WLS法对异方差进行修正。 三、实训内容 1、用图示法、戈德菲尔德、white验证法，验证该模型是否存在异方差。 2、用加权最小二乘法消除异方差。 四、实训步骤 练习题5.8数据1998年我国重要制造业销售收入和销售利润的数据 Y—销售利润，x—销售收入 1. 用OLS方法估计参数，建立回归模型：ls y c x
回归结果如下： Y=12.036+0.1044x; S = (19.5178) (0.00844) T= (0.6167) (12.3667) R^2=0.8547 S.E.=56.9037 2.检验是否存在异方差 (1) 图形检验：残差图形scat x e2 结果表明：
残差平方e2对解释变量的x的散点图主要分布在图形的下方，大致看出残差平方随X 的变动呈增大的趋势，因此，模型很可能出现异方差。 (2)戈德菲尔德-夸特检验 首先，对变量进行排序，在这个题目中，我选择递增型排序，这是y与x将以x按递增型排序。 然后构造子样本区间，建立回归模型。在本题目中，n=28,删除中间的1/4,的观测值，即大约8个观测值，剩余部分平分得两个样本区间：1—10和19-28，他们的样本个数均为10。 用OLS方法得到前10个数的样本结果(ls y c x)： 用OLS方法得到后10个数的样本结果（ls y c x）：
实验四异方差性的检验与处理
实验四异方差性的检验 与处理 集团标准化工作小组 [Q8QX9QT-X8QQB8Q8-NQ8QJ8-M8QMN]
实验四 异方差性的检验及处理（2学时） 一、实验目的 （1）、掌握异方差检验的基本方法； （2）、掌握异方差的处理方法。 二、实验学时：2学时 三、实验要求 （1）掌握用MATLAB 软件实现异方差的检验和处理； （2）掌握异方差的检验和处理的基本步骤。 四、实验原理 1、异方差检验的常用方法 (1) 用X-Y 的散点图进行判断 (2). 22 ?(,)(,)e x e y 或的图形 ,),x )i i y i i （(e 或(e 的图形） (3) 等级相关系数法（又称Spearman 检验） 是一种应用较广的方法，既可以用于大样本，也可与小样本。 检验的三个步骤 ① ?t t y y =-i e ② |i x i i 将e 取绝对值，并把|e 和按递增或递减次序排序， 计算Spearman 系数rs ,其中：2 1n i i d =∑s 2 6r =1-n(n -1) ③ 做等级相关系数的显着性检验。n>8时， /2(2),t t n α>-反之，若||i i e x 说明与之间存在系统关系， 异方差问题存在。 (4) 帕克(Park)检验 帕克检验常用的函数形式： 若在统计上是显着的，表明存在异方差性。 2、异方差性的处理方法: 加权最小二乘法 如果在检验过程中已经知道：222 ()()()i i i ji u Var u E u f x σσ=== 则将原模型变形为：
121( i i p pi i y x x u f x βββ =+?++?+ 在该模型中： 即满足同方差性。于是可以用OLS估计其参数，得到关于参数12 ,,, p βββ 的无偏、有效估计量。 五、实验举例 例1 01 i i i y x u =++ 若用线性模型，研究不同收入家庭的消费情况，试问原数据有无异方差性如果存在异方差性，应如何处理 解：（一）编写程序如下： （1）等级相关系数法（详见文件） %%%%%%%%%%%%%%% 用等级相关系数法来检验异方差性 %%%%%%%% [data,head]=xlsread(''); x=data(:,1); %提取第一列数据，即可支配收入x y=data(:,2); %提取第二列数据，即居民消费支出y plot(x,y,'k.'); % 画x和y的散点图 xlabel('可支配收入x（千元）') % 对x轴加标签 ylabel('居民消费支出y(千元)') % 对y轴加标签 %%%%%%%% 调用regres函数进行一元线性回归 %%%%%%%%%%%% xdata=[ones(size(x,1),1),x]; %在x矩阵最左边加一列1，为线性回归做准备 [b,bint,r,rint,s]=regress(y,xdata); yhat=xdata*b; %计算估计值y % 定义元胞数组，以元胞数组形式显示系数的估计值和估计值的95%置信区间 head1={'系数的估计值','估计值的95%置信下限','估计值的95%置信上限'};
计量经济学异方差实验报告材料二
实验报告2 实验目的：掌握异方差的检验及处理方法。 实验容：检验家庭人均纯收入与家庭生活消费支出可能存在的异方差性。有关数据如下：其中，收入为X，家庭生活消费支出为Y。 地区家庭人均 纯收入 家庭生活 消费支出地区 家庭人均 纯收入 家庭生活 消费支出 北京9439.63 6399.27 湖北3997.48 3090 天津7010.06 3538.31 湖南3904.2 3377.38 河北4293.43 2786.77 广东5624.04 4202.32 山西3665.66 2682.57 广西3224.05 2747.47 3953.1 3256.15 海南3791.37 2556.56 辽宁4773.43 3368.16 重庆3509.29 2526.7 吉林4191.34 3065.44 四川3546.69 2747.27 4132.29 3117.44 贵州2373.99 1913.71 上海10144.62 8844.88 云南2634.09 2637.18 江苏6561.01 4786.15 西藏2788.2 2217.62 浙江8265.15 6801.6 陕西2644.69 2559.59 安徽3556.27 2754.04 甘肃2328.92 2017.21 福建5467.08 4053.47 青海2683.78 2446.5 江西4044.7 2994.49 宁夏3180.84 2528.76 山东4985.34 3621.57 新疆3182.97 2350.58 河南3851.6 2676.41 实验步骤如下： 一、建立有关模型分析异方差检验如下。 方法一、图示法。（两种） （一）、x y 相关分析 从图中可以看出，随着收入的增加，家庭生活消费支出不断的提高，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。 建立模型： 1、从图中可以看出，x y不是简单的线性关系。建立线性回归方程如下， LS Y C X
异方差性的检验及处理方法
实验四异方差性 【实验目的】 掌握异方差性的检验及处理方法 【实验内容】 建立并检验我国制造业利润函数模型 【实验步骤】 【例1】表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。 一、检验异方差性 ⒈图形分析检验 ⑴观察销售利润（Y）与销售收入（X）的相关图(图1)：SCAT X Y 图1 我国制造工业销售利润与销售收入相关图 从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，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 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。 图2 我国制造业销售利润回归模型残差分布 图2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。 ⒉Goldfeld-Quant检验 ⑴将样本按解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本） ⑵利用样本1建立回归模型1（回归结果如图3），其残差平方和为2579.587。 SMPL 1 10 LS Y C X 图3 样本1回归结果 ⑶利用样本2建立回归模型2（回归结果如图4），其残差平方和为63769.67。 SMPL 19 28 LS Y C X
图4 样本2回归结果 ⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS RSS 和分别是模型1和模型2的残差平方和。 取 05 .0=α时，查F 分布表得 44.3)1110,1110(05.0=----F ，而 44.372.2405.0=>=F F ，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5。 图5 我国制造业销售利润回归模型 ⑵在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果如图6。 图6 White 检验结果
计量经济学多元线性回归、多重共线性、异方差实验报告概要
计量经济学实验报告
多元线性回归、多重共线性、异方差实验报告 一、研究目的和要求： 随着经济的发展，人们生活水平的提高，旅游业已经成为中国社会新的经济增长点。旅游产业是一个关联性很强的综合产业，一次完整的旅游活动包括吃、住、行、游、购、娱六大要素，旅游产业的发展可以直接或者间接推动第三产业、第二产业和第一产业的发展。尤其是假日旅游，有力刺激了居民消费而拉动内需。2012年，我国全年国内旅游人数达到30.0亿人次，同比增长13.6%，国内旅游收入2.3万亿元，同比增长19.1%。旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，加强国家、地区间的文化交流。为了研究影响旅游景区收入增长的主要原因，分析旅游收入增长规律，需要建立计量经济模型。 影响旅游业发展的因素很多，但据分析主要因素可能有国内和国际两个方面，因此在进行旅游景区收入分析模型设定时，引入城镇居民可支配收入和旅游外汇收入为解释变量。旅游业很大程度上受其产业本身的发展水平和从业人数影响，固定资产和从业人数体现了旅游产业发展规模的内在影响因素，因此引入旅游景区固定资产和旅游业从业人数作为解释变量。因此选取我国31个省市地区的旅游业相关数据进行定量分析我国旅游业发展的影响因素。 二、模型设定 根据以上的分析，建立以下模型 Y=β 0+β1X 1 +β2X 2 +β 3 X 3 +β 4 X 4 +Ut 参数说明： Y ——旅游景区营业收入/万元 X 1 ——旅游业从业人员/人 X 2 ——旅游景区固定资产/万元 X 3 ——旅游外汇收入/万美元 X 4 ——城镇居民可支配收入/元
异方差性实验
1、2 实验二 异方差性及其性质 1、 2、1 实验目的 我们已经知道,在经典条件下,线性模型回归参数的OLS 估计就是具有最小方差的线性无偏估计量。随机误差项的异方差性,就是线性回归模型中常见的不满足经典条件的情形。与满足经典条件的情形相比,当模型中出现异方差性时,模型参数的普通最小二乘(OLS)估计的统计性质将发生什么样的变化？如何理解与把握这些变化？如何纠正模型估计因为异方差性而产生的问题？ 通过本实验,可以帮助学生理解异方差性本身的概念、存在异方差性时模型参数的OLS 估计量的性质、加权最小二乘法等。 1、2、2 实验背景与理论基础 1、 异方差性 本实验以二元线性回归模型为例进行说明。线性回归模型 01122i i i i Y X X u βββ=+++,1,2,,i n =L 假设模型满足除“同方差性”之外的所有经典假设: (1)E()0i u =,1,2,,i n =L ,或表示为()E =U 0,从而有()E =Y X β; (3)Cov(,)0,i j u u i j =≠,随机误差无序列相关; (4)解释变量就是确定性变量,与随机误差项不相关: Cov(,)0j ij u X =,1,2i =,1,2,,j n =L (5)自变量之间不存在精确(完全)的线性关系。矩阵X 就是列满秩的:rank()3=X 。(要求样本容量3n >) (6)随机误差的正态性:2(0,)i u u N σ:,1,2,,i n =L 。 2、 异方差性条件下OLS 估计量的统计性质 (1)?β 的无偏性: 模型回归参数012,,βββ 的OLS 估计量为:0 11 2???()?βββ-?? ?''= ? ? ???β=X X X Y 可以证明,即使在异方差性条件下,上述估计量依然满足无偏性: 0112?()??E()()?()E E E ββββββ???? ? ?= ? ? ? ? ????? β==β (2)?β 的方差及协方差: 在模型满足经典条件时,OLS 估计量的方差—协方差矩阵为21?Var()()u σ-'=βX X ,
实验四 异方差
实验四异方差 4.1 实验目的 掌握异方差问题出现的来源、后果、检验及修正的原理，以及相关的EViews 操作方法。 思考： （1）异方差的问题属于计量经济学分析步骤中的哪一步需要考虑的？【模型检验——>计量经济意义检验】 （2）异方差检验的方法有哪些？【图检法、怀特检验、戈里瑟检验、等级相关系数检验、戈德菲尔德-夸特检验】每种方法的检验步骤是什么？【略】 （3）异方差出现时，如何补救？也即其修正方法是什么？【加权最小二乘法】 4.2 实验内容 已知某地区的个人储蓄Y，可支配收入X的截面样本数据，建立它们之间的线性计量经济模型，练习检查和克服模型的异方差的操作方法。【具体数据见教材p125】 4.3 实验步骤 4.3.1 检查模型是否存在异方差性 （1）图示法：利用残差图判断。建立残差关于x的散点图，如图4.1，可以发现随着x增加，残差呈现不断增大的趋势，即存在递增性的异方差。
图4.1 （2）用White方法检验是否存在异方差。 在一元线性回归的基础上，做White检验。在回归式窗口中点击View键选Residual Tests/White Heteroskedasticity功能，如图4.2。 图4.2 检验式存在有无交叉项两种选择，一般选择无交叉项，得到图4.3的结果：通过white检验中的p-值可以判断模型存在异方差。
图4.3 （3）用戈德菲尔德——夸特检验是否存在异方差 按X排序（数据资料已经完成升序排列） Data T Sort x Smpl 1 11 ls y c x Smpl 21 31 ls y c x 去掉中心9组数据，得到第一、二个子样本。其样本容量相等，同为11。 对两个子样本回归，见图4.4和图4.5。得到两组残差平方和。
异方差实验报告
山东轻工业学院实验报告成绩 课程名称：计量经济学指导教师：刘海鹰实验日期： 2012年4月16日 院（系）：商学院专业班级金融10-1 实验地点：机电楼B座5楼 学生姓名：张文奇学号： 201008021029 同组人无 实验项目名称：异方差的检验、修正。 一、实验目的和要求 学会利用Eiews软件对线性回归模型进行异方差的检验，修正。 二、实验原理 图示法检验、斯皮尔曼等级相关系数检验、戈德菲尔德-夸特检验、White检验、加权最小二乘法。 三、主要仪器设备、试剂或材料 计算机、EViews 软件 四、实验方法与步骤 1、启动Eviews5软件，建立新的workfile. 命令：create u 1 31 单击回车键； 2、输入数据。在命令窗口输入命令：data Y X 单击回车键； 3、用OLS估计方程。在命令窗口输入命令：LS Y C X 单击回车键。 （Eviews输出结果如图一）。 一）图示法检验 1、在命令窗口输入命令：scat x y 单击回车键，得到X与Y的散点图，如图二。 2、输入命令GENR e2=resid^2和Scat X e2，分别单击回车键，得到 如图三 二）spearman等级相关检验 1、在命令窗口依次输入如下命令（每输入一次命令都要单击回车键） Sort X data X dd1 GENR e1=abs(resid) Sort e1 Data e1 dd2 genr r=1-6*@sum((dd2-dd1)^2)/(31^3-31) genr Z=r*@sqrt(30) 其中dd1 dd2分别为相应变量的等级，即输入1到31. 2、记录实验结果，R值和Z值。 三）G-Q检验 1、在命令窗口依次输入下列命令（每输入一次命令都要单击回车键） 散点图 2 ~ i e X
实验异方差地检验与修正
实验异方差的检验与修正 实验目的 1、理解异方差的含义后果、 2、学会异方差的检验与加权最小二乘法 实验容 一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作 步骤与方法同前），得到残差序列。 表2列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。 表2 我国制造工业1998年销售利润与销售收入情况 二、异方差的检验 1、图形分析检验 ⑴观察销售利润（Y）与销售收入（X）的相关图(图3-1)：SCAT X Y
图3-1 我国制造工业销售利润与销售收入相关图 从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，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 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。 图3-2 我国制造业销售利润回归模型残差分布 图3-2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。 2、Goldfeld-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10共11个样本合19到28共10个样本） ⑵利用样本1建立回归模型1（回归结果如图3-3），其残差平方和为2579.587。 SMPL 1 10 LS Y C X
图3-3 样本1回归结果 ⑶利用样本2建立回归模型2（回归结果如图3-4），其残差平方和为63769.67。 SMPL 19 28 LS Y C X 图3-4 样本2回归结果 ⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS RSS 和分别是模型1和模型2的残差平方和。 取05.0=α时，查F 分布表得44.3)1110,1110(05.0=----F ，而 44.372.2405.0=>=F F ，所以存在异方差性 3、White 检验 ⑴建立回归模型：LS Y C X ，回归结果如图3-5。
多元线性回归实验报告
实验题目：多元线性回归、异方差、多重共线性 实验目的：掌握多元线性回归的最小二乘法，熟练运用Eviews软件的多元线性回归、异方差、多重共线性的操作，并能够对结果进行相应的分析。 实验内容：习题3.2，分析1994-2011年中国的出口货物总额（Y）、工业增加值（X2）、人民币汇率（X3），之间的相关性和差异性，并修正。 实验步骤： 1.建立出口货物总额计量经济模型： 错误！未找到引用源。（3.1） 1.1建立工作文件并录入数据，得到图1 图1 在“workfile"中按住”ctrl"键，点击“Y、X2、X3”，在双击菜单中点“open group”,出现数据 表。点”view/graph/line/ok”,形成线性图2。 图2 1.2对（3.1）采用OLS估计参数 在主界面命令框栏中输入ls y c x2 x3，然后回车，即可得到参数的估计结果，如图3所示。
图 3 根据图3中的数据，得到模型（3.1）的估计结果为 （8638.216）（0.012799）（9.776181） t=(-2.110573) (10.58454) (1.928512) 错误！未找到引用源。错误！未找到引用源。F=522.0976 从上回归结果可以看出，拟合优度很高，整体效果的F检验通过。但当错误！未找到引用源。=0.05时，错误！未找到引用源。=错误！未找到引用源。2.131.有重要变量X3的t检验不显著，可能存在严重的多重共线性。 2．多重共线性模型的识别 2.1计算解释变量x2、x3的简单相关系数矩阵。 点击Eviews主画面的顶部的Quick/Group Statistics/Correlatios弹出对话框在对话框中输入解释变量x2、x3，点击OK，即可得出相关系数矩阵（同图4）。 相关系数矩阵 图4 由图4相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。 2.2多重共线性模型的修正
异方差问题的解决实验
金融141 计量经济实验报告 Eviews 姓名：王永鑫、刘明哲、刘健、吴宇豪、张雨松、李少卿 2016/12/14
异方差问题的解决实验 实验目的：掌握异方差、Goldfeld-Quandt检验、White检验、加权最小二乘法等基本概念及异方差产生的原因和后果；进一步掌握异方差的检验与修正方法以及如何运用Eviews软件在实证中实现相关检验与修正。 实验数据：城乡居民储蓄存款X，社会商品零售总额Y，样本20. 实验原理：G-Q检验、White检验，加权最小二乘法异方差修正。 实验知识预习：OLS估计；异方差问题后果；异方差检验方法；WLS异方差修正程序。 实验内容： 实验步骤一：建立工作文件和数据录入 obs 居民储蓄零售额 1995 1278.44 970.0 1996 1868.34 1161.3 1997 2729.57 1325.2 1998 2372.94 1471.1 1999 2597.12 1590.4 2000 2524.05 1722.3 2001 3001.89 1861.3 2002 3891.50 2035.2 2003 5103.15 2220.6 2004 6116.13 2454.6 2005 7665.60 2979.5 2006 8730.00 3375.2 2007 8745.22 3873.3 2008 11464.15 4577.2 2009 13707.32 5173.2 2010 15650.24 6186.8 2011 17288.45 7185.8 2012 19506.70 7840.4 2013 20486.25 8557.0 2014 21269.30 9303.5
异方差检验
七、 异方差与自相关 一、背景 我们讨论如果古典假定中的同方差和无自相关假定不能得到满足，会引起什么样的估计问题呢？另一方面，如何发现问题，也就是发现和检验异方差以及自相关的存在性也是一个重要的方面，这个部分就是就这个问题进行讨论。 二、知识要点 1、引起异方差的原因及其对参数估计的影响 2、异方差的检验（发现异方差） 3、异方差问题的解决办法 4、引起自相关的原因及其对参数估计的影响 5、自相关的检验（发现自相关） 6、自相关问题的解决办法 （时间序列部分讲解） 三、要点细纲 1、引起异方差的原因及其对参数估计的影响 原因：引起异方差的众多原因中，我们讨论两个主要的原因，一是模型的设定偏误，主要指的是遗漏变量的影响。这样，遗漏的变量就进入了模型的残差项中。当省略的变量与回归方程中的变量有相关关系的时候，不仅会引起内生性问题，还会引起异方差。二是截面数据中总体各单位的差异。 后果：异方差对参数估计的影响主要是对参数估计有效性的影响。在存在异方差的情况下，OLS 方法得到的参数估计仍然是无偏的，但是已经不具备最小方差性质。一般而言，异方差会引起真实方差的低估，从而夸大参数估计的显著性，即是参数估计的t 统计量偏大，使得本应该被接受的原假设被错误的拒绝。 2、异方差的检验 （1）图示检验法 由于异方差通常被认为是由于残差的大小随自变量的大小而变化，因此，可以通过散点图的方式来简单的判断是否存在异方差。具体的做法是，以回归的残差的平方2i e 为纵坐标，回归式中的某个解释变量i x 为横坐标，画散点图。如果散点图表现出一定的趋势，则可以判断存在异方差。 （2）Goldfeld-Quandt 检验
EViews计量经济学实验报告异方差的诊断及修正
姓名学号实验题目异方差的诊断与修正 一、实验目的与要求： 要求目的：1、用图示法初步判断是否存在异方差，再用White检验异方差； 2、用加权最小二乘法修正异方差。
估计结果为： i Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670） 2R =0.854696 R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353 这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。 2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒 绝原假设，说明销售收入对销售利润有显著性影响。F=152.9353 > )6,21(F 05.0= 4.23 ,
表明方程整体显著。 （三） 检验模型的异方差 ※（一）图形法 6、判断 由图3可以看出，被解释变量Y 随着解释变量X 的增大而逐渐分散，离散程度越来越大； 同样，由图4可以看出，残差平方2 i e 对解释变量X 的散点图主要分布在图形中的下三角部分，大致看出残差平方2 i e 随i X 的变动呈增大趋势。因此，模型很可能存在异方差。但是否确实存在异方差还应该通过更近一步的检验。
※ （二）White 检验 White 检验结果 White Heteroskedasticity Test: F-statistic 3.607218 Probability 0.042036 Obs*R-squared 6.270612 Probability 0.043486 Test Equation: t 界值5.002 χ （2） =5.99147。比较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5 .002 χ（2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。 （四） 异方差的修正 在运用加权最小二乘法估计过程中，分别选用了权数t 1ω=1/t X ，t 2ω=1/2 t X ，t 3ω=1/t X 。 用权数t 1ω的结果
实验四-异方差性的检验与处理
实验四-异方差性的检验与处理
实验四 异方差性的检验及处理（2学时） 一、实验目的 （1）、掌握异方差检验的基本方法； （2）、掌握异方差的处理方法。 二、实验学时：2学时 三、实验要求 （1）掌握用MATLAB 软件实现异方差的检验和处理； （2）掌握异方差的检验和处理的基本步骤。 四、实验原理 1、异方差检验的常用方法 (1) 用X-Y 的散点图进行判断 (2). 22 ?(,)(,)e x e y %%或的图形 ,),x )i i y %%i i （(e 或(e 的图形）
(3) 等级相关系数法（又称Spearman 检验） 是一种应用较广的方法，既可以用于大样本，也可与小样本。 :i u 0原假设H 是等方差的；:i u 0备择假设H 是异方差； 检验的三个步骤 ① ?t t y y =-%i e ② |i x %%i i 将e 取绝对值，并把|e 和按递增或递减次序排序， 计算Spearman 系数rs ,其中：2 1n i i d =∑s 2 6r =1-n(n -1) |i x %i i 其中， n 为样本容量d 为|e 和的等级的差数。 ③ 做等级相关系数的显著性检验。n>8时， 22(2) 1s s n t t n r -= --0当H 成立时， /2(2),t t n α≤-若认为异方差性问题不存在； /2(2),t t n α>-反之，若||i i e x %说明与之间存在系统关系， 异方差问题存在。
(4) 帕克(Park)检验 帕克检验常用的函数形式： 若α在统计上是显著的，表明存在异方差性。 2、异方差性的处理方法: 加权最小二乘法 如果在检验过程中已经知道：222 ()()()i i i ji u Var u E u f x σσ=== 则将原模型变形为： 121()()()() () i i p pi i ji ji ji ji ji y x x u f x f x f x f x f x βββ=+?++?+L 在该模型中： 22 11 ( )()()()()() i i ji u u ji ji ji Var u Var u f x f x f x f x σσ=== 即满足同方差性。于是可以用OLS 估计其参数，得到关于参数12,,,p βββL 的无偏、有效估计量。 五、实验举例 例1、某地区居民的可支配收入x(千元)与居民消费支出y(千元)的数据如下： No x y no x y 1 10 8 16 25 19.1 2 10 8.2 17 25 23.5 3 10 8.3 18 25 22. 4 4 10 8.1 19 2 5 23.1 5 10 8.7 20 25 15.1 6 15 12.3 21 30 24.2 7 15 9.4 22 30 16.7 8 15 11.6 23 30 27 9 15 12 24 30 26 10 15 8.9 25 30 22.1 11 20 15 26 35 30.5 12 20 16 27 35 28.7 13 20 12 28 35 31.1 14 20 13 29 35 20 15 20 19.1 30 35 29.9
精编【财务管理知识】计量经济学实验教学案例实验四异方差
【财务管理知识】计量经济学实验教学案例实验四异 方差 xxxx年xx月xx日 xxxxxxxx集团企业有限公司 Please enter your company's name and contentv
实验四异方差性 【实验目的】 掌握异方差性的检验及处理方法 【实验内容】 建立并检验我国制造业利润函数模型 【实验步骤】 【例1】表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。 表1 我国制造工业1998年销售利润与销售收入情况
一、检验异方差性 ⒈图形分析检验 ⑴观察销售利润（Y）与销售收入（X）的相关图(图1)：SCAT X Y 图1 我国制造工业销售利润与销售收入相关图 从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，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 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。 图2 我国制造业销售利润回归模型残差分布 图2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。 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10共11个样本合19到28共10个样本）
⑵利用样本1建立回归模型1（回归结果如图3），其残差平方和为2579.587。 SMPL 1 10 LS Y C X 图3 样本1回归结果 ⑶利用样本2建立回归模型2（回归结果如图4），其残差平方和为63769.67。 SMPL 19 28 LS Y C X 图4 样本2回归结果 ⑷计算F统计量：＝63769.67/2579.59=24.72，分别是模型1和模型2的残差平方和。 取时，查F分布表得，而，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5。 图5 我国制造业销售利润回归模型 ⑵在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果如图6。 图6 White检验结果 其中F值为辅助回归模型的F统计量值。取显著水平，由于,所以存在异方差性。实际应用中可以直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。反之，则
EViews计量经济学实验报告异方差的诊断及修正
时间地点 实验题目异方差的诊断与修正 一、实验目的与要求： 要求目的：1、用图示法初步判断是否存在异方差，再用White检验异方差； 2、用加权最小二乘法修正异方差。 二、实验内容 根据1998年我国重要制造业的销售利润与销售收入数据，运用EV软件，做回归分析，用图示法，White检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。 三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等） （一）模型设定 为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为： Y=β+βX+μ i12i i 其中，Y表示销售利润，X表示销售收入。由1998年我国重要制造业的销售收入与销售 i i 利润的数据，如图1： 1988年我国重要制造业销售收入与销售利润的数据（单位：亿元） 行业名称销售利润Y销售收入X 食品加工业食品制造业饮料制造业烟草加工业纺织业 服装制造业皮革羽绒制品木材加工业家具制造业造纸及纸制品印刷业 文教体育用品石油加工业化学原料制品医药制造业化学纤维制造橡胶制品业塑料制品业187.25 111.42 205.42 183.87 316.79 157.7 81.73 35.67 31.06 134.4 90.12 54.4 194.45 502.61 238.71 81.57 77.84 144.34 3180.44 1119.88 1489.89 1328.59 3862.9 1779.1 1081.77 443.74 226.78 1124.94 499.83 504.44 2363.8 4195.22 1264.1 779.46 692.08 1345
异方差的检验及修正
异方差问题的检验与修正 【实验目的】 1、深刻理解异方差性的实质、异方差出现的原因、异方差的出现对模型的不良影响（即异方差的后果），掌握估计和检验异方差性的基本思想和修正异方差的若干方法。 2、能够运用所学的知识处理模型中的出现的异方差问题，并要求初步掌握用Eviews处理异方差的基本操作方法。 【实验原理】 1、最小二乘估计。 2、异方差。 3、最小二乘残差图解释异方差。 4、Breusch-Pagan检验（B-P检验）和White检验（怀特检验）检验特定方差函数的异方差性。 5、稳健标准差和加权最小二乘法对特定方差函数的异方差性的修正。 【实验软件】 Eviews6.0 【实验步骤】 一、设定模型 首先将实验数据导入软件之中。（注：本实验报告正文部分只显示软件统计结果，导入数据这一步骤参见附A） 本次实验的数据主要是Big Andy店的食品销售收入数据与食品价格数据，共采用了75组。 实验数据来源于课本中的例题，由老师提供。如下表： 表Big Andy店月销售收入和价格的观测值
sales price sales price sales price sales price 73.2 5.6975.7 5.5978.1 5.773.7671.8 6.4974.4 6.2288 5.2271.2 6.3762.4 5.6368.7 6.4180.4 5.0584.7 5.3367.4 6.2283.9 4.9679.7 5.7673.6 5.2389.3 5.0286.1 4.8373.2 6.2573.7 5.8870.3 6.4173.7 6.3585.9 5.3478.1 6.2473.2 5.8575.7 6.4783.3 4.9869.7 6.4786.1 5.4178.8 5.6973.6 6.3967.6 5.4681 6.2473.7 5.5679.2 6.2286.5 5.1176.4 6.280.2 6.4188.1 5.187.6 5.0476.6 5.4869.9 5.5464.5 6.4984.2 5.0882.2 6.1469.1 6.4784.1 4.8675.2 5.8682.1 5.3783.8 4.9491.2 5.184.7 4.8968.6 6.4584.3 6.1671.8 5.9873.7 5.6876.5 5.3566 5.9380.6 5.0282.2 5.7380.3 5.2284.3 5.273.1 5.0874.2 5.1170.7 5.8979.5 5.6281 5.2375.4 5.7175 5.2180.2 5.2873.7 6.0281.3 5.45 75 6.05 81.2 5.83 69 6.33 其中，sales 表示在某城市的月销售收入，以千美元为单位；price 表示在该城市的价格，以美元为单位。 假设表1中的月销售收入数据满足假设SR1—SR5。即，假设Big Andy 店的月销售收入的期望值是产品价格水平的线性函数，误差项额的均值为零，销售收入的方差和误差项e 的方差相同，随机误差项e 在统计上不相关，且选取的价格的值是非随机的。 这样，在上面的基础之上，建立Big Andy 的食品销售收入（sales ）与食品价格（price ）之间的线性模型方程： e price sales ++=10ββ根据最小二乘估计的思想估计模型参数，（此过程参见附B ）结果如下图： Coefficient Std.Error t-Statistic Prob.C 121.9002 6.52629118.678320.0000PRICE -7.829074 1.142865 -6.850394 0.0000R-squared 0.391301Mean dependent var 77.37467Adjusted R-squared 0.382963 S.D.dependent var 6.488537