异方差检验的eviews操作.docx

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：

估计结果为：

表4.1图4.1

LnY?=3.266+0.1502LnX1+0.4775LnX2

(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/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

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。

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

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。

判断。

0.100.05 0.10 0.05在5%与10%的显着性水平下，查F分布表得：自由度为（9,9）的F分布的临界值分别为F=3.18与F=2.44。因为F=2.73F(9,9)=3.18，因此5%显着性水平下不拒绝两组子样方差相同的假设，但F=2.73F(9,9)=2.44

0.10

0.05 0.10 0.05

10%显着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/whi