EVIEWS中异方差性检验及补救

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

目的：1、正确使用EVIEWS

      2、会使用OLS和WLS，Goldfeld-Quandt检验

      3、能根据计算结果进行异方差分析和出现异方差性后的补救。

      3、数据为demo data1

实例：某市人均储蓄与人均收入的关系分析（异方差性检验及补救）

根据某市1978－1998年人均储蓄与人均收入的数据资料（见下表），其中X为人均收入（元），Y为人均储蓄（元），经分析人均储蓄受人均收入的线性影响，可建立一元线性回归模型进行分析。

obs	X	Y
1978	590.2000	107.0000
1979	664.9400	123.0000
1980	809.5000	159.0000
1981	875.5400	189.0000
1982	991.2500	233.0000
1983	1109.950	312.0000
1984	1357.870	401.0000
1985	1682.800	522.0000
1986	1890.580	664.0000
1987	2098.250	871.0000
1988	2499.580	1033.000
1989	2827.730	1589.000
1990	3084.170	2209.000
1991	3462.710	2878.000
1992	3932.520	3722.000
1993	5150.790	5350.000
1994	7153.350	8080.000
1995	9076.850	11758.00
1996	10448.21	15839.00
1997	11575.48	18196.00
1998	12500.84	20954.00

1、用OLS估计法估计参数

设模型为：

运行EVIEWS软件，并输入数据，得计算结果如下：

Dependent Variable: Y
Method: Least Squares
Date: 10/11/05   Time: 23:10
Sample: 1978 1998
Included observations: 21
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-2185.998	339.9020	-6.431262	0.0000
X	1.684158	0.062166	27.09150	0.0000
R-squared	0.974766	Mean dependent var		4533.238
Adjusted R-squared	0.973438	S.D. dependent var		6535.103
S.E. of regression	1065.086	Akaike info criterion		16.86989
Sum squared resid	21553736	Schwarz criterion		16.96937
Log likelihood	-175.1338	F-statistic		733.9495
Durbin-Watson stat	0.293421	Prob(F-statistic)		0.000000

2、异方差检验

    （1）Goldfeld-Quandt检验

在Procs菜单项选Sort series项，出现排序对话框，输入X，OK。

在Sample菜单里，将时间定义为1978－1985，用OLS方法计算得如下结果：

Y = -145.441495 + 0.3971185479*X

（-8.730234）   （25.42693）

R-squared＝0.990805        Sum squared resid1＝15.12284

Dependent Variable: Y
Method: Least Squares
Date: 10/11/05   Time: 23:25
Sample: 1978 1985
Included observations: 8
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-145.4415	16.65952	-8.730234	0.0001
X	0.397119	0.015618	25.42693	0.0000
R-squared	0.990805	Mean dependent var		255.7500
Adjusted R-squared	0.989273	S.D. dependent var		146.0105
S.E. of regression	15.12284	Akaike info criterion		8.482607
Sum squared resid	1372.202	Schwarz criterion		8.502468
Log likelihood	-31.93043	F-statistic		646.5287
Durbin-Watson stat	1.335534	Prob(F-statistic)		0.000000

在Sample菜单里，将时间定义为1991－1998，用OLS方法计算得如下结果：

Y = -4602.367144 + 1.952519317*X

（-5.065962）      （18.40942）

R-squared＝0.982604     Sum squared resid2＝5811189.

Dependent Variable: Y
Method: Least Squares
Date: 10/11/05   Time: 23:29
Sample: 1991 1998
Included observations: 8
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-4602.367	908.4882	-5.065962	0.0023
X	1.952519	0.106061	18.40942	0.0000
R-squared	0.982604	Mean dependent var		10847.12
Adjusted R-squared	0.979705	S.D. dependent var		6908.102
S.E. of regression	984.1400	Akaike info criterion		16.83373
Sum squared resid	5811189.	Schwarz criterion		16.85359
Log likelihood	-65.33492	F-statistic		338.9068
Durbin-Watson stat	0.837367	Prob(F-statistic)		0.000002

求F统计量：，查F分布表，给定显著性水平，得临界值，比较>，拒绝原假设，表明随机误差项显著的存在异方差。

3、异方差的修正

（1）WLS估计法。

首先生成权函数,然后用OLS估计参数，

Y = -2262.639946 + 1.566910934*X

Dependent Variable: Y
Method: Least Squares
Date: 10/12/05   Time: 08:07
Sample: 1978 1998
Included observations: 21
Weighting series: W
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-2262.640	131.2507	-17.23907	0.0000
X	1.566911	0.057637	27.18590	0.0000
Weighted Statistics
R-squared	0.961501	Mean dependent var		2183.201
Adjusted R-squared	0.959475	S.D. dependent var		2104.209
S.E. of regression	423.5951	Akaike info criterion		15.02583
Sum squared resid	3409224.	Schwarz criterion		15.12530
Log likelihood	-155.7712	F-statistic		474.5211
Durbin-Watson stat	0.354490	Prob(F-statistic)		0.000000
Unweighted Statistics
R-squared	0.962755	Mean dependent var		4533.238
Adjusted R-squared	0.960794	S.D. dependent var		6535.103
S.E. of regression	1293.978	Sum squared resid		31813191
Durbin-Watson stat	0.224165

（2）对数变换法。

用GENR生成LY和LX序列，用OLS方法求LY 对LX的回归，结果如下：

LY = -6.839135503 + 1.787148637*LX

Dependent Variable: LY
Method: Least Squares
Date: 10/12/05   Time: 00:05
Sample: 1978 1998
Included observations: 21
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-6.839136	0.237565	-28.78845	0.0000
LX	1.787149	0.030033	59.50680	0.0000
R-squared	0.994663	Mean dependent var		7.195082
Adjusted R-squared	0.994382	S.D. dependent var		1.746173
S.E. of regression	0.130880	Akaike info criterion		-1.138677
Sum squared resid	0.325463	Schwarz criterion		-1.039199
Log likelihood	13.95611	F-statistic		3541.059
Durbin-Watson stat	0.642916	Prob(F-statistic)		0.000000

比较方法（1）和（2），可以看出X与Y在对数线性回归下拟合效果较好。原因是Y的曲线呈对数型图形有关。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享1 收藏11 回帖

关键词：EVIEWS Views Eview 异方差性 view 人均收入 模型 影响 资料

挺好，很详细

为什么不用Glejser和white检验呐，取对数倒是一个非常好的方法，但是也没办法保证所有数据的平稳性，需有选择性的对待。

Eviews里面的变量不是都带个“？”吗。。
我用您的办法操作（不管我带不带这个问号。。），总是出现not defined...请问是什么原因呢？
谢谢！

寒佳瞳 发表于 2014-12-7 21:00
Eviews里面的变量不是都带个“？”吗。。
我用您的办法操作（不管我带不带这个问号。。），总是出现not de ...

亲，你说的那是panel data里头的变量带？

maodongjun 发表于 2015-2-4 18:03
亲，你说的那是panel data里头的变量带？

是啊。。。。

寒佳瞳 发表于 2015-2-7 16:01
是啊。。。。

除了panel data ，其他回归中的变量不需要带？的。

maodongjun 发表于 2015-3-11 10:32
除了panel data ，其他回归中的变量不需要带？的。

是啊，我录入的是面板数据，这个检验异方差的我按照上面的步骤就是操作不出结果。。不明白其中的道理

您好，这个修正的权数为什么用残差绝对值的倒数？

学习啦