eviews-异方差性.doc

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
White Heteroskedasticity Test:
F-statistic
6.1724
Probability
0.0096
Obs*R-squared
8.4136
Probability
0.0148
取显著性水平，由于＞，所以理利润函数存在异方差性。
Ⅱ、Park检验
根据Park检验，得到：

S 2.2720 0.5713
T -3.3858 3.2195

Ⅲ、Gleiser检验：
利用genr命令一次生成等序列，再建立与这些序列的回归方程
①
0.0613 1.1759 0.2924
②
0.0639 1.2307 0.2818
③
0.0683 1.3197 0.2656
根据统计检验，得到统计检验最为显著的是：

0.0683 1.3197 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）
（3）取权数
利用加权最小二乘法估计模型：
依次键入命令：

或在方程窗口中点击Estimate\Options按钮，并在权数变量栏依次输入，可以得到一下估计结果：
③
S 0.2082 0.0053
T 3.3978 7.2001
0.7422 5.0534 0.000001
④
S 0.1283 0.004
T 4.61144 10.49056
0.8594 18.0642 0
模型④最优，所以利用WLS方法估计的利润函数为

S 0.1283 0.004
T 4.6114 10.49
0.8594 18.064 0
3.9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：：
（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。
解：（1）模型存在异方差，城乡居民储蓄存款余额与人均收入,对于低收入家庭，满足基本消费最后，剩余收入不多，所以各家庭储蓄存款之间不会有很大区别，高收入家庭就不一样了，储蓄存款有很大的差异，即随机误差项的方差会明显大于低收入家庭。
（2）
或在方程窗口中点击Estimate\Options按钮，并在权数变量栏依次输入，可以得到数组如下估计结果：
①
( ) ( )

②③④
然后采取最优模型
（3） 命令方式 LS(W=权数变量）S C X
菜单方式 ：1.在方程窗口中点击Estimate按钮
2 .在弹出的对话框中点击Options 进入参数对话框，选定Weight LS 输入权数变量 点击OK
3.10表2中的数据是美国1988年工业部门研究与开发支出费用Y和销售额S、销售利润P的统计资料。试根据表中数据：
（1）分别利用线性模型和双对数模型建立研究费用模型，比较模型的统计检验结果和异方差性的变化。
（2）检验模型的异方差性
（3）对于双对数模型，分别取权数变量为W1=1/P、W2=1/RESID^2，利用WLS方法重新估计模型，分析模型中异方差的校正情况。
解：（1）①线性模型

S 991.9935 0.0179 0.1985
T -0.014 0.6978 1.2077
0.5245 8.2741 0.0037
Heteroskedasticity Test: White
F-statistic
19.4165
Prob.F(5,12)
0
Obs*R-squared
16.0198
Prob.Chi-Square5)
0.0068
Scaled explained SS
23.4891
Prob.Chi-Square(5)
0.0003

②对数模型
LOG(Y)=-7.0368+ 1.2453LOG(S)+ 0.0618LOG(P)
S 2.3465 0.3652 0.2585
T -2.9987 3.4097 0.2392
0.7954 29.16287 0.000007
Heteroskedasticity Test: White

F-statistic
0.830154
Prob.F(5,12)
0.5523
Obs*R-squared
4.626025
Prob.Chi-Square(5)
0.4632
Scaled explained SS
2.380431
Prob.Chi-Square(5)
0.7944

（2）F检验值=0.5523 不是很显著
（3）
利用加权最小二乘法估计模型：
依次键入命令：

或在方程窗口中点击Estimate\Options按钮，并在权数变量栏依次输入，可以得到一下估计结果：

①
S 0.4052 0.0394 0.07316
T -19.876 37.2748 -1.8615
0.99103 828.6506

Heteroskedasticity Test: White
F-statistic
3.3806
Prob.F(6,11)
0.0385
Obs*R-squared
11.6708
Prob.Chi-Square(6)
0.0697
Scaled explained SS
11.1374
Prob.Chi-Square(6)
0.0842

②
S 0.1476 0.0308 0.0254
T -47.7058 40.0952 2.4419
0.9997 27588.55

Heteroskedasticity Test: White
F-statistic
39.1275
Prob.F(5,12)
0
Obs*R-squared
16.9597
Prob.Chi-Square(5)
0.0046
Scaled explained SS
16.1674
Prob.Chi-Square(5)
0.0064