内容发布更新时间 : 2024/5/6 6:41:35星期一 下面是文章的全部内容请认真阅读。

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/Estimate Equation，进入Equation Specification对话框，键入“log(y) c log(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“ls log(y) c log(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/Make Equation，进入Equation Specification窗口，键入“log(y) c log(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=0.7798 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/Generate Series，进入Generate Series by Equation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“genr e2=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“scat log(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/simple scatter ，可得散点图4.2。

③由路径quick/graph进入series list窗口，输入“log(x2) e2”，确认并ok，再在弹出的graph窗口把line graph换成scatter diagram，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/Sort Series进入sort workfile series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“sort x2”（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“1 12”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