异方差检验的eviews操作.doc

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/EstimateEquation，进入EquationSpecification对话框，键入“log(y)clog(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“lslog(y)clog(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/MakeEquation，进入EquationSpecification窗口，键入“log(y)clog(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=0.7798D.W.=1.78F=49.60RSS=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/GenerateSeries，进入GenerateSeriesbyEquation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“genre2=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“scatlog(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/simplescatter，可得散点图4.2。③由路径quick/graph进入serieslist窗口，输入“log(x2)e2”，确认并ok，再在弹出的graph窗口把linegraph换成scatterdiagram，再点ok，可得散点图4.2。图4.2由图4.2可以看出，残差平方项e2对解释变量log(X2)的散点图主要分布图形中的下三角部分，大致看出残差平方项e2随log(X2)的变动呈增大的趋势，因此，模型很可能存在异方差。但是否确实存在异方差还应通过更进一步的检验。（二）Goldfeld-Quanadt检验（1）对变量取值排序（按递增或递减）。①在Workfile窗口中，由路径：Procs/SortSeries进入sortworkfileseries对话框，键入“X2”，如果以递增型排序，选Ascending，如果以递减型排序，则应选Descending，点ok。本例选递增型排序，选Ascending。②直接在命令栏里输入“sortx2”（默认为升序），再按Enter。（2）构造子样本区间，建立回归模型。在本例中，样本容量n=31，删除中间1/4的观测值，即大约7个观测值，余下部分平分得两个样本区间：1-12和20-31，它们的样本个数均是12个。在Sample菜单里，把sample值改为“112”再用OLS方法进行第一个子样本回归估计，估计结果如表4.2。表4.2同样地，在Sample菜单里，把sample值改为“2031”再用OLS方法进行第二个子样本回归估计，估计结果如表4.3。表4.3（3）求F统计量值。基于表4.2和表4.3中残差平方和RSS的数据，即Sumsquaredresid的值，得到RSS1=0.0702和RSS2=0.1912，根据Goldfeld-Quanadt检验，F统计量为：F=RSS2/RSS1=0.1912/0.0702=2.73。（4）判断。在5%与10%的显著性水平下，查F分布表得：自由度为（9,9）的F分布的临界值分别为F0.05=3.18与F0.10=2.44。因为F=2.73<F0.05(9,9)=3.18，因此5%显著性水平下不拒绝两组子样方差相同的假设，但F=2.73>F0.10(9,9)=2.44，因此10%显著性水平下拒绝两组子样方差相同的假设，即存在异方差。（三）White检验①由表4.1的估计结果，按路径view/residualtests/whiteheteroskedasticity(crossterms)，进入White检验，其中crossterms表示有交叉乘积项。得到表4.4的结果。表4.4辅助回归结果为：(1.87)(-2.09)(-1.01)(2.56)(1.58)(0.47)R2=0.6629由表4.4结果得到：怀特统计量nR2=31×0.6629=20.55，查χ2分布表得到在5%的显著性水平下，自由度为5的χ2分布的临界值为χ20.05=11.07，因为nR2=20.55>χ20.05=11.07，所以拒绝同方差的原假设。②由表4.1的估计结果，按