内容发布更新时间 : 2024/11/18 9:32:50星期一 下面是文章的全部内容请认真阅读。

实验题目：多元线性回归、异方差、多重共线性

实验目的：掌握多元线性回归的最小二乘法，熟练运用Eviews软件的多元线性回归、

异方差、多重共线性的操作，并能够对结果进行相应的分析。

实验内容：习题3.2，分析1994-2011年中国的出口货物总额（Y）、工业增加值（X2）、

人民币汇率（X3），之间的相关性和差异性，并修正。

实验步骤：

1.建立出口货物总额计量经济模型：

错误！未找到引用源。（3.1）

1.1 建立工作文件并录入数据，得到图1

图1

在“workfile\中按住”ctrl\键，点击“Y、X2、X3”，在双击菜单中点“open group”,出现数据

表。点”view/graph/line/ok”,形成线性图2。

图2

1.2 对（3.1）采用OLS估计参数

在主界面命令框栏中输入 ls y c x2 x3，然后回车，即可得到参数的估计结果，如图3所示。

图 3

根据图3中的数据，得到模型（3.1）的估计结果为

（8638.216）（0.012799）（9.776181） t=(-2.110573) (10.58454) (1.928512)

错误！未找到引用源。 错误！未找到引用源。 F=522.0976

从上回归结果可以看出，拟合优度很高，整体效果的F检验通过。但当错误！未找到引用源。=0.05时，错误！未找到引用源。=错误！未找到引用源。2.131.有重要变量X3的t检验不显著，可能存在严重的多重共线性。 2．多重共线性模型的识别

2.1计算解释变量x2、 x3的简单相关系数矩阵。

点击Eviews主画面的顶部的Quick/Group Statistics/Correlatios弹出对话框在对话框中输入解释变量x2、 x3，点击OK，即可得出相关系数矩阵（同图4）。

相关系数矩阵

图4

由图4相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。

2.2多重共线性模型的修正

将各变量进行对数变换，在对以下模型进行估计。

利用eviews软件，对错误！未找到引用源。、X2、X3分别取对数，分别生成lnY、lnX2、lnX3的数据，采用OLS方法估计模型参数，得到回归结果，如图：

图5

图6

模型估计结果为：

ln错误！未找到引用源。=-20.52+1.5642lnX2+1.7607lnX3

(5.4325) (0.0890) (0.6821) t =-3.778 17.578 2.581

错误！未找到引用源。 F=539.736

该模型可决系数很高，F检验值，明显显著。由综合判断法知，上述回归结果基本上消除了多重共线性。对系数估计值的解释如下：在其他变量保持不变的情况下，如果工业增加值增加1%，出口货物总额增加1.564%；人民币汇率提高1%，出口货物总额增加1.761%。 所有解释变量的符号都与先验预期相一致，即工业增加值和人民币汇率与出口货物总额正相关。 3.检验模型异方差 3.1White检验

由图6估计结果，按路径view/Residual tests/white heteroskedasticity（no cross terms