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、White检验White Heteroskedasticity Test:F-statistic6.1724Probability0.0096Obs*R-squared8.4136Probability0.0148取显著性水平，由于，所以理利润函数存在异方差性。、Park检验根据Park检验，得到： S 2.2720 0.5713T -3.3858 3.2195 、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0.0613 1.1759 0.29240.0639 1.2307 0.28180.0683 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EstimateOptions按钮，并在权数变量栏依次输入，可以得到一下估计结果： S 0.2082 0.0053T 3.3978 7.2001 0.7422 5.0534 0.000001 S 0.1283 0.004T 4.61144 10.49056 0.8594 18.0642 0模型最优，所以利用WLS方法估计的利润函数为 S 0.1283 0.004T 4.6114 10.49 0.8594 18.064 03.9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EstimateOptions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： ( ) ( ) 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/RESID2，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）线性模型S 991.9935 0.0179 0.1985T -0.014 0.6978 1.20770.5245 8.2741 0.0037Heteroskedasticity Test: WhiteF-statistic19.4165 Prob.F(5,12)0Obs*R-squared16.0198Prob.Chi-Square(5)0.0068Scaled explained SS23.4891Prob.Chi-Square(5)0.0003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 0.000007Heteroskedasticity Test: WhiteF-statistic0.830154 Prob.F(5,12)0.5523Obs*R-squared4.626025 Prob.Chi-Square(5)0.4632Scaled explained SS2.380431 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EstimateOptions按钮，并在权数变量栏依次输入，可以得到一下估计结果： S 0.4052 0.0394 0.07316T -19.876 37.2748 -1.86150.99103 828.6506 Heteroskedasticity Test: WhiteF-statistic3.3806 Prob.F(6,11)0.0385Obs*R-squared11.6708 Prob.Chi-Square(6)0.0697Scaled explained SS11.1374 Prob.Chi-Square(6)0.0842 S 0.1476 0.0308 0.0254T -47.7058 40.0952 2.44190.9997 27588.55 Heteroskedasticity Test: WhiteF-statist