eviews异方差的检验
eviews异方差检验步骤
eviews异方差检验步骤Eviews是一款常用的经济学软件，它允许用户进行多种统计分析，其中包括异方差检验。
异方差是指随着自变量的变化，因变量的方差也会发生变化。
在实际分析中，如果忽略了异方差，则会导致统计结果不准确。
因此，在使用Eviews进行分析时，进行异方差检验十分重要。
以下是Eviews进行异方差检验的步骤：1. 打开Eviews软件，并导入所需的数据。
在“工作文件”菜单下选择“打开文件”，找到所需的数据文件并打开。
2. 选择变量。
单击“变量”菜单，并选择要检验的因变量和自变量。
如果有多个自变量，在本例中就需要选择多个自变量。
3. 进行回归分析。
单击“Quick”菜单下的“Estimate Equation”选项，进行回归分析。
在回归分析中，需要输入因变量和自变量，并进行模型估计。
4. 异方差检验。
在回归分析完成后，单击“View”菜单下的“Residual Diagnostics”选项，进入错误项诊断。
5. 在错误项诊断中选择异方差检验。
在错误项诊断面板中，选择“Heteroskedasticity Tests”选项，并选择所需的异方差检验类型。
在Eviews中，通常可以使用Breusch-Pagan/Godfrey测试或White 测试来检验异方差。
6. 查看结果。
完成异方差检验后，Eviews会返回检验结果。
如果结果显示存在异方差，则需要进行调整，以消除异方差的影响。
总之，在使用Eviews进行经济学分析时，进行异方差检验至关重要，可以保证模型分析的准确性和可靠性。
上述步骤简单易懂，只要按照步骤操作，就可以轻松地完成异方差检验。
eviews-异方差性
eviews-异⽅差性3.8（1）根据Y 、X 的相关图分析异⽅差性由上图可知y 与x 的线性相关性差异不是很⼤，基本处在⼀条线性⽅程上（2）利⽤WHITE 检验、帕克检验，和Gleiser 检验进⾏异⽅差检验Ⅰ、White 检验取显著性⽔平05.0=α，由于413667.8n 2=R ＞841.3)1(205.0=χ，所以理利润函数存在异⽅差性。
Ⅱ、Park 检验根据Park 检验，得到：i i x e ln 8393.16927.7ln 2+-=S 2.2720 0.5713 T -3.3858 3.21953654.02=R 3301.02=R 365.10=F 0047.0=P Ⅲ、Gleiser 检验：利⽤genr 命令⼀次⽣成XX 1,等序列，再建⽴i e 与这些序列的回归⽅程①X e i 0049.05579.1-=White Heteroskedasticity Test: F-statistic 6.1724 Probability 0.0096 Obs*R-squared8.4136Probability0.0148=2R 0.0613 =F 1.1759 =P 0.2924②X e i 0848.08897.1-==2R 0.0639 =F 1.2307 =P 0.2818③Xe i 1970.158811.0+= =2R 0.0683 =F 1.3197 =P 0.2656根据统计检验，得到统计检验最为显著的是：Xe i 1970.158811.0+= =2R 0.0683 =F 1.3197 =P 0.2656;上述四个⽅程表明，利润函数存在着异⽅差（只要取显著性⽔平012.0＞α）（3）取权数 e 1w 3= 24e1w =利⽤加权最⼩⼆乘法估计模型：依次键⼊命令：4,3,2,1i )(i ==X C Y W W LS或在⽅程窗⼝中点击Estimate\Options 按钮，并在权数变量栏依次输⼊4321W W W W 、、、，可以得到⼀下估计结果：③ X Y 0387.07076.0?+= e 1w 3=S 0.2082 0.0053 T 3.3978 7.2001=2R 0.7422 =2n R 5.0534 =P 0.000001 ④ X Y0429.05918.0?+= 24e 1w = S 0.1283 0.004 T 4.61144 10.49056=2R 0.8594 =2n R 18.0642 =P 0模型④最优，所以利⽤WLS ⽅法估计的利润函数为 X Y 0429.05918.0?+= 2e 1w = S 0.1283 0.004 T 4.6114 10.49=2R 0.8594 =2n R 18.064 =P 03.9设根据某年全国各地区的统计资料建⽴城乡居民储蓄函数i i i bX a S ε++=时（其中，S 为城乡居民储蓄存款余额、X 为⼈均收⼊），如果经检验得知：228.1i i X e =：（1）说明该检验结果的经济含义;（2）写出利⽤加权最⼩⼆乘法估计储蓄函数的具体步骤；（3）写出使⽤Ewiews 软件估计模型时的有关命令。
演示文稿1 异方差的Eviews操作
Log likelihood
12.47256
Durbin-Watson stat
1.964715
Std. Error t-Statistic
0.860976 0.103769 0.048599
1.861356 3.135885 10.43388
Mean dependent var
S.D. dependent var
④输入：Scat X e2
亦可合并输入： Scat X resid^2
2. 帕克(Park)检验与戈里瑟(Gleiser)检验
基本思想: 尝试建立方程：
e~i2 f (X ji ) i 或
| e~i | f ( X ji ) i
选择关于变量X的不同的函数形式，对方程 进行估计并进行显著性检验，如果存在某一 种函数形式，使得方程显著成立，则说明原 模型存在异方差性。
异方差的Eviews操作
计量经济学 2009-11
几种异方差的检验方法： 1. 图示法 （1）用X-Y的散点图进行判断
看是否存在明显的散点扩大、缩小或复 杂型趋势（即不在一个固定的带型域中）
【 Eviews操作】 输入：Scat X Y
(2)X- e~i2 的散点图进行判断
看是否形成一斜率为零的直线。
2
e2i
(n c k 1)
F
2
2
e1i
(n c k 1)
2
F( n c k 1, n c k 1)
2
2
⑤给定显著性水平，确定临界值F(v1,v2)，
若F> F(v1,v2)， 则拒绝同方差性假设， 表明存在异方差。
当然，还可根据两个残差平方和对应的子样 的顺序判断是递增型异方差还是递减异型方差。
eviews异方差的检验
田青帆1006010131 国贸1001班建立模型Y t=β1+β2X t+uX:1994-2011年中国国内生产总值Y:1994-2011年中国进口总额数据来源：国泰安数据服务中心/p/sq/一、异方差的检验1、图示法由上图可以看出，残差平方项e2随X的变动而变动，一次，模型很可能存在异方差，但是否确实存在异方差还应通过更进一步的检验。
2、等级相关系数检验t值为29.48788，自由度为18-2=16在95%的显著水平下，查表可得t0.025(16)=2.1199t＞t0.025(16),说明X i和｜e i｜之间存在系统关系，则说明模型中存在异方差3、戈德菲尔德-夸特检验（样本分段比检验）在本例中，样本容量为18，删去中间4个观测值，余下部分平分的两个样本区间：1-7和12-18，他们的样本数都是7个，用OLS方法对这两个子样本进行回归估计，结果如下图所示计算检验统计量FF=[RSS２/(n２-k)] ÷[RSS１/(n１-k)]n2-k=n1-k=7-2=5F=RSS2/RSS1=4588102/229037.4=20.03在95%的显著水平下，查表可得F0.05（5，5）=5.05 F＞F0.05（5，5）所以，模型存在异方差4、戈里瑟（Glejser）检验用残差绝对值建立的回归模型为｜e i｜=α1+α2 (1/X i)由上表可知，回归模型为｜e i｜=1416.049+10.37101(1/X i)≠0，则存在异方差α25、怀特检验由上图可知：P值=0.017140﹤0.05，所以存在异方差二、异方差的修正（加权最小二乘法）1、选择1/x为权数，即对模型两边同时乘以1/x，使用最小二乘法进行回归估计，所得结果如下：由上图可知，P值=0.0001﹤0.05，模型依然存在异方差2、选择1/|e|为权数，即对模型两边同时乘以1/|e|，使用最小二乘法进行回归估计，所得结果如下：此时，P值=0.2139＞0.05，将异方差模型变成了同方差。
第四章 异方差检验的eviews操作
第四章异方差性例4.1.4一、参数估计进入Eviews软件包，确定时间范围，编辑输入数据；选择估计方程菜单：(1)在Workfile对话框中，由路径：Quick/Estimate Equation，进入Equation Specification对话框，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果；(2)直接在命令栏里输入“ls log(y) c log(x1) log(x2)”，按Enter,得到样本回归估计结果；(3)在Group的当前窗口，由路径：Procs/Make Equation，进入Equation Specification窗口，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果。
如表4.1：表4.1图4.1估计结果为：(3.14) (1.38) (9.25)R2=0.7798 D.W.=1.78 F=49.60 RSS=0.8357括号内为t统计量值。
二、检验模型的异方差（一）图形法（1）生成残差平方序列。
①在Workfile的对话框中，由路径：Procs/Generate Series，进入Generate Series by Equation对话框，键入“e2=resid^2”，生成残差平方项序列e2；②直接在命令栏里输入“genr e2=resid^2”，按Enter,得到残差平方项序列e2。
（2）绘制散点图。
①直接在命令框里输入“scat log(x2) e2”，按Enter，可得散点图4.2。
②选择变量名log(x2)与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），再按路径view/graph/scatter/simple scatter，可得散点图4.2。
③由路径quick/graph进入series list窗口，输入“log(x2) e2”，确认并ok，再在弹出的graph窗口把line graph换成scatter diagram，再点ok，可得散点图4.2。
eviews的异方差检验
异方差的处理
文档附赠有可编辑的3D小人素材
地区
北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东
农业总产值 亿元 115.48 117.60
1639.07 322.65 620.42 837.50 641.50 971.94 126.74 1542.53 735.92 1054.01 685.30 621.26 2604.07
,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
SMPL 20 31 LS Y C X
图5
⑷计算F统计量：F R2 /S R1 S S 2S 2/6 35.9 8 1 6 .4 5
RSS1 和RSS2分别是模型1和模型2的残差平方和。 取
F6.4 5F 0.05 2.98
F 0 .0( 1 5 1 2 1 ,1 1 2 1 ) 2 .98
农业总产值 亿元
1152.09 1243.15 1328.70 970.55 224.17 401.48 1316.60 392.20 683.80 39.49 629.34 458.73 49.16 111.12 767.00
农作物播种面 积 千公顷 7030.01 7390.71 4363.05 5594.40 754.32 3134.66 9278.24 4464.53 5801.86 232.92 4044.74 3759.00 516.68 1189.83 4202.63
eviews异方差检验步骤
eviews异方差检验步骤Eviews异方差检验步骤异方差是指随着自变量的变化，因变量的方差也会发生变化。
在回归分析中，如果存在异方差，会导致回归系数的估计值不准确，从而影响模型的可靠性。
因此，进行异方差检验是非常重要的。
Eviews是一款常用的统计软件，它提供了多种方法来检验异方差。
下面我们将介绍Eviews中进行异方差检验的步骤。
步骤一：建立回归模型我们需要建立一个回归模型。
在Eviews中，可以通过“Quick”菜单中的“Estimate Equation”来建立回归模型。
在弹出的对话框中，选择因变量和自变量，并设置其他参数，如拟合方法、截距项等。
步骤二：检验异方差建立好回归模型后，我们需要进行异方差检验。
在Eviews中，可以通过“View”菜单中的“Residual Diagnostics”来进行检验。
在弹出的对话框中，选择“Heteroskedasticity Tests”选项卡，然后选择需要进行的异方差检验方法。
Eviews提供了多种异方差检验方法，包括Breusch-Pagan-Godfrey 检验、White检验、Goldfeld-Quandt检验等。
这些方法的原理和适用条件不同，需要根据具体情况选择合适的方法。
步骤三：解释检验结果进行异方差检验后，Eviews会输出检验结果。
通常包括检验统计量、p值等信息。
如果p值小于显著性水平（通常为0.05），则可以拒绝原假设，认为存在异方差。
如果检验结果显示存在异方差，我们需要对模型进行修正。
常用的方法包括使用异方差稳健标准误、进行加权最小二乘回归等。
总结Eviews提供了多种方法来检验异方差，包括Breusch-Pagan-Godfrey 检验、White检验、Goldfeld-Quandt检验等。
进行异方差检验后，需要根据检验结果对模型进行修正，以提高模型的可靠性。
EViews计量经济学实验报告异方差的诊断及修正
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： iY ? = 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2i 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-statistic3.607218 Probability 0.042036 Obs*R-squared6.270612 Probability0.043486Test Equation:t 界值5.002χ（2）=5.99147。
⽐较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5.002χ（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。
- 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)。
田青帆 31 国贸1001班
建立模型Y t=β1+β2X t+u
X:1994-2011年中国国内生产总值
Y:1994-2011年中国进口总额
数据来源：国泰安数据服务中心一、异方差的检验
1、图示法
由上图可以看出，残差平方项e2随X的变动而变动，一次，模型很可能存在异方差，但是否确实存在异方差还应通过更进一步的检验。
2、等级相关系数检验
t值为，自由度为18-2=16
在95%的显著水平下，查表可得(16)=
t＞(16),说明X i和｜e i｜之间存在系统关系，则说明模型中存在异方差
3、戈德菲尔德-夸特检验（样本分段比检验）
在本例中，样本容量为18，删去中间4个观测值，余下部分平分的两个样本区间：1-7和12-18，他们的样本数都是7个，用OLS方法对这两个子样本进行回归估计，结果如下图所示
计算检验统计量F
F=[RSS
２/(n
２
-k)] ÷[RSS
１
/(n
１
-k)]
n 2-k=n
1
-k=7-2=5
F=RSS
2/RSS
1
=4588102/=
在95%的显著水平下，查表可得（5，5）= F＞（5，5）
所以，模型存在异方差
4、戈里瑟（Glejser）检验
用残差绝对值建立的回归模型为｜e
i ｜=α
1
+α
2
(1/X
i
)
由上表可知，回归模型为｜e
i ｜=+(1/X
i
)
α
2
≠0，则存在异方差
5、怀特检验
由上图可知：P值=﹤，所以存在异方差
二、异方差的修正（加权最小二乘法）
1、选择1/x为权数，即对模型两边同时乘以1/x，使用最小二乘法进行回归估
计，所得结果如下：
由上图可知，P值=﹤，模型依然存在异方差
2、选择1/|e|为权数，即对模型两边同时乘以1/|e|，使用最小二乘法进行回归
估计，所得结果如下：
此时，P值=＞，将异方差模型变成了同方差。