计量经济学实验教学案例实验四异方差
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。
SMPL110LSYCX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。
SMPL1928LSYCX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。
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). 22ˆ(,)(,)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 ˆt t y y=-i e②|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：21ni i d =∑s 26r =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 iy x x uf xβββ=+⋅++⋅+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,,,pβββ的无偏、有效估计量。
五、实验举例例101i i iy 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xy=data(:,2); %提取第二列数据，即居民消费支出yplot(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'};[head1;num2cell([b,bint])]% 定义元胞数组，以元胞数组形式显示y的真实值,y的估计值，残差和残差的95%置信区间head2={'y的真实值','y的估计值','残差','残差的95%置信下限','残差的95%置信上限'};[head2;num2cell([y,yhat,r,rint])]% 定义元胞数组，以元胞数组形式显示判定系数，F统计量的观测值，检验的P值和误差方差的估计值head3={'判定系数','F统计量的观测值','检验的P值','误差方差的估计值'};[head3;num2cell(s)]%%%%%%%%%%%%% 残差分析 %%%%%%%%%%%%%%%%%%figure;rcoplot(r,rint) % 按顺序画出各组观测值对应的残差和残差的置信区间%%% 画估计值yhat与残差r的散点图figure;plot(yhat,r,'k.') % 画散点图xlabel('估计值yhat') % 对x轴加标签ylabel('残差r') % 对y轴加标签%%%%%%%%%%%% 调用corr函数计算皮尔曼等级相关系数res=abs(r); % 对残差r取绝对值[rs,p]=corr(x,res,'type','spearman')disp('其中rs为皮尔曼等级相关系数，p为p值');（2）帕克（park）检验法（详见文件）%%%%%%%%%%%%%%% 用帕克（park）检验法来检验异方差性 %%%%%%%[data,head]=xlsread(''); %导入数据x=data(:,1);y=data(:,2);%%%%%% 调用regstats函数进行一元线性回归，linear表带有常数项的线性模型，r表残差ST=regstats(y,x,'linear',{'yhat','r','standres'});scatter(x,.^2) % 画x与残差平方的散点图xlabel('可支配收入(x)') % 对x轴加标签ylabel('残差的平方') %对y轴加标签%%%%%%% 对原数据x和残差平方r^2取对数，并对log(x)和log（r^2）进行一元线性回归ST1=regstats(log(.^2),log(x),'linear',{'r','beta','tstat','fstat'})% 输出参数的估计值% 输出回归系数t检验的P值% 输出回归模型显着性检验的P值(3)加权最小二乘法（详见文件）%%%%%%%%%%% 调用robustfit函数作稳健回归 %%%%%%%%%%%%[data,head]=xlsread(''); % 导入数据x=data(:,1);y=data(:,2);% 调用robustfit函数作稳健回归，返回系数的估计值b和相关统计量stats[b,stats]=robustfit(x,y) %调用函数作稳健回归% 输出模型检验的P值%%% 绘制残差和权重的散点图 %%%%%%%plot,,'o') %绘制残差和权重的散点图xlabel('残差')ylabel('权重'（二）实验结果与分析：第一步：：用OLS方法估计参数,并保留残差（1）散点图图可支配收入（x）居民消费支出（y）散点图因每个可支配收入x的值，都有5个居民消费收入y与之对应，所以上述散点图呈现此形状。
计量经济学异方差分析
实验报告三——建立国民生产总值和投资和净出口计量经济学模型报告人： 国贸0903 游杰敏 学号：2009306200705 国贸0903 钱春波 学号：2009306200715 国贸0903 叶尔道列提 学号：2009306200711一、实验目的：研究国民生产总值和投资和净出口间的关系二、实验内容：建立国民生产总值和投资和净出口之间的计量模型并进行相关的检验，确立定量关系三、数据及其来源：统计年鉴2010年 四、实验步骤： （一）经济理论的陈述根据凯恩斯开放条件下的宏观经济学理论，一国固定资产投资和净出口决定该国国内生产总值，因此，一国国内生产总值作为被解释变量，固定投资和净出口为解释变量建立一元线性回归的计量经济学模型。
（二）确定模型形式：i i X X Y μβββ+++=22110在中国统计局统计年鉴2010年收集、整理的数据：Eviews软件对统计数据通过OLS得到回归分析结果建立二元线性回归的计量经济学的模型： 21473725.608187.2152.22068X X Y i ++= （三）、模型检验 1、经济学意义检验国民生产总值同固定资产投资、净出口间有正相关关系，固定资产投资和净出口变动一个单位，国民生产总值分别变动21.08187和6.473725个单位，通过经济学意义检验。
2、统计学检验从回归估计的结果看，模型拟合较好：可决系数94882.02=R ,截距项与斜率项的t 检验均大于5%显著性水平下的临界值，F 统计量大于5%显著性水平下的临界值，所以模型通过统计学检验。
3、 进行序列相关的计量经济学检验 （1）、残差项t e ~与年份的关系图残差项t e ~与其滞后项1~-t e 的关系图从残差项t e ~与年份和残差项t e ~与其滞后项1~-t e 的关系图看，随机项呈现正序列相关 （2）、回归检验建立一阶方程：t t t e e ερ+=-1从回归估计的结果看，可决系数746835.02=R ,统计量t=9.10大于5%显著性水平下临界值，故存在一阶序列相关。
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.=56.90372.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）：接着，根据戈德菲尔德检验得到F统计量：（两个残差平方和相除，大的除以小的）F=63769.67/2577.969=24.736。
实验四异方差的检验
LOGO
w1=1/e
表一
themegallery
LOGO
w2=1/e^2
表二
themegallery
LOGO
3、分析
由表一的估计结果如下
Y i 374.89340.737423X i
（211.4532 ） (0.039238)
t = (1.772938) (18.7937)
R20.982523 R 2 =0.999889 F=989.2625
themegallery
LOGO
themegallery
LOGO
2、构造子样本区间，建立回归模型。
本题中样本容量n=20，删除中间的 1/4(20/4=5)的观测值，因为余下的观测 值要平分样本容量n1=n2=8.
LOGO
实验四
下表列出了某年中国部分省市城镇居民每 个家庭平均全年可支配收入X与消费性支出Y的 统计数据
themegallery
LOGO
themegallery
LOGO
（1）使用最小二乘法建立消费性支出与 可支配收入的线性模型；
（2）检验模型是否存在异方差； （3）如果存在异方差，是采用适当的方
themegallery
LOGO
（2）再点击 “view→Representations”，得到居 民人均消费支出与可支配收入的线性模型：
themegallery
LOGO
themegallery
LOGO
由表知参数估计线 性方程为：
Y i 2 7 2 .3 6 3 5 0 .7 5 5 1 2 5 X i
themegallery
LOGO
themegallery
计量经济学 异方差检验
计量经济学实验报告【实验名称】异方差的检验和修正【实验目的】掌握用Eviews 检验模型中异方差问题的检验和补救方法，能够正确理解和分析Eviews的输出结果【实验内容】（1）试利用OLS法建立人均消费性支出与可支配收入的线性模型；（2）检验模型是否存在异方差性；（3）如果存在异方差性，试采用适当的方法估计模型参数。
【结果分析】1.建立模型打开Eviews软件，选中File\New\Workfile以创建一个工作文件，文件结构类型为undated。
在命令栏中输入“data X Y”，回车后得到一个未命名的组，向组中输入数据。
如下图。
设可支配收入为变量X（横坐标），消费性支出为变量Y（纵坐标），选中Quick\Graph，在出现的对话框中输入“X Y”，点击OK后在新出现的Graph对话框中，在Graph type中选择Categorical Graph下的scatter，点击OK，如下图所示：以X 为解释变量，Y 为被解释变量，建立一元线性回归方程：i 0i i Y =+*X ββ选中Object/New Objects ，在新建对象对话框中选中对象为Equation ，在出现的对话框中输入“y c x ”，进行回归分析，得到如下结果。
可以得出0β=725.3459 1β =0.664746 线性回归方程为：i Y =0β+1β *X=725.3459+0.664746*X（1.589047）（22.49622）2R=0.945802 F=506.0798由散点图可知，原模型很可能存在异方差性，为此，进一步的进行更精确的检验。
G-Q检验：升序排列去掉中间的7个样本，剩余24个样本，再分成两个样本容量为12的子样本，对两个子样本分别用OLS法作回归：键入命令Smpl 1 12Equation eq01.Is Y C XSmpl 20 31Equation eq02.Is Y C X完成对两个子样的回归；0β’=669.5344 1β’=0.677374i Y =0β’+ 1β’*X=669.5344+0.677374*X子样1： (0.281991) (3.490176)RSS1=1971249i Y =1179.053+0.644719*X子样2： (0.954140) (9.951062) RSS2=8403437计算F 统计量：F=197124984034371112/21-1-12/1=--）（）（RSS RSS =4.263 在5%的显著性水平下，自由度为（10,10）的F 分布的临界值为4.263，于是拒绝同方差的原假设，表明模型存在异方差。
计量经济学：异方差性
计量经济学：异方差性异方差性在现实经济活动中，最小二乘法的基本假定并非都能满足，上一章介绍的多重共线性只是其中一个方面，本章将讨论违背基本假定的另一个方面——异方差性。
虽然它们都是违背了基本假定，但前者属于解释变量之间存在的问题，后者是随机误差项出现的问题。
本章将讨论异方差性的实质、异方差出现的原因、异方差的后果，并介绍检验和修正异方差的若干方法。
第一节异方差性的概念一、异方差性的实质第二章提出的基本假定中，要求对所有的i （i=1，2，…，n ）都有2)(σ=i u Var （5.1）也就是说i u 具有同方差性。
这里的方差2σ度量的是随机误差项围绕其均值的分散程度。
由于0)(=i u E ，所以等价地说，方差2σ度量的是被解释变量Y 的观测值围绕回归线)(i Y E =ki k i X X βββ+++ 221的分散程度，同方差性实际指的是相对于回归线被解释变量所有观测值的分散程度相同。
设模型为n i u X X Y iki k i i ,,2,1221 =++++=βββ （5.2）如果其它假定均不变，但模型中随机误差项i u 的方差为).,,3,2,1(,)(22n i u Var i i ==σ (5.3)则称i u 具有异方差性。
由于异方差性指的是被解释变量观测值的分散程度是随解释变量的变化而变化的，如图5.1所示，所以进一步可以把异方差看成是由于某个解释变量的变化而引起的，则)()(222i i i X f u Var σσ== (5.4)图5.1二、产生异方差的原因由于现实经济活动的错综复杂性，一些经济现象的变动与同方差性的假定经常是相悖的。
所以在计量经济分析中，往往会出现某些因素随其观测值的变化而对被解释变量产生不同的影响，导致随机误差项的方差相异。
通常产生异方差有以下主要原因：1、模型中省略了某些重要的解释变量异方差性表现在随机误差上，但它的产生却与解释变量的变化有紧密的关系。
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：i Y =1β+2βi X +i μ其中，i Y 表示销售利润，i 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）（二） 参数估计1、双击“Eviews ”，进入主页。
输入数据：点击主菜单中的File/Open /EV Workfile —Excel —异方差数据2.xls ；2、在EV 主页界面的窗口，输入“ls y c x ”，按“Enter ”。
出现OLS 回归结果,如图2：估计样本回归函数Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C 12.03564 19.51779 0.616650 0.5428 X0.1043930.008441 12.366700.0000R-squared0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependent var 146.4895 S.E. of regression 56.90368 Akaike info criterion 10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450 Log likelihood -151.8508 F-statistic 152.9353 Durbin-Watson stat1.212795 Prob(F-statistic)0.000000估计结果为： iY ˆ = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670）2R =0.854696 2R =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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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年我国要紧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。
行业名称销售利润销售收入行业名称销售利润销售收入
食品加工业187.25 3180.44 医药制造业238.71 1264.1
食品制造业111.42 1119.88 化学纤维制品81.57 779.46
饮料制造业205.42 1489.89 橡胶制品业77.84 692.08
烟草加工业183.87 1328.59 塑料制品业144.34 1345 纺织业316.79 3862.9 非金属矿制品339.26 2866.14 服装制品业157.7 1779.1 黑色金属冶炼367.47 3868.28
皮革羽绒制品81.7 1081.77 有色金属冶炼144.29 1535.16
木材加工业35.67 443.74 金属制品业201.42 1948.12
家具制造业31.06 226.78 一般机械制造354.69 2351.68
造纸及纸品业134.4 1124.94 专用设备制造238.16 1714.73 印刷业90.12 499.83 交通运输设备511.94 4011.53 文教体育用品54.4 504.44 电子机械制造409.83 3286.15
石油加工业194.45 2363.8 电子通讯设备508.15 4499.19
化学原料纸品502.61 4195.22 仪器仪表设备72.46 663.68
一、检验异方差性
⒈图形分析检验
⑴观看销售利润（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能够看出，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。
这讲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按钮就能够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 对象来观看）。
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（分不有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 和分不是模型
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 ，因此存在异方差性
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
05.0=α，由于2704.699.5)2(2205.0=<=nR χ,因此存在异方差性。
实
际应用中能够直接观看相伴概率p 值的大小，若p 值较小，则认为存在异方差性。
反之，则认为不存在异方差性。
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：GENR LNE2=log(RESID^2)
GENR LNX=log
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7所示。
图7 Park 检验回归模型
从图7所示的回归结果中能够看出，LNX 的系数可能值不为0且能通过显著性检验，即随即误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。
⒌Gleiser 检验（Gleiser 检验与Park 检验原理相同）
⑴建立回归模型（结果同图5所示）。
⑵生成新变量序列：GENR E=ABS(RESID)
⑶分不建立新残差序列（E）对各解释变量（X/X^2/X^(1/2)/X^(－
1)/ X^(－2)/ X^(－1/2)）的回归模型：LS E C X，回归结果如图8、9、10、11、12、13所示。
图8
图9。