计量经济学作业 实验三.docx

中央财经大学实 验 报 告实验项目名称 模型估计中的问题及对策：多重共线性、异方差和自相关所属课程名称 计量经济学 实 验 类 型 实 验 日 期 2013年11月13日 班 级 税务11 学 号 2011310615 姓 名 韩旭 成 绩 实验室 4号楼106机房实验概述：【实验目的及要求】掌握模型估计中常见问题的检验方法及对策，熟悉处理多重共线性、异方差、自相关等具体问题的方法，应用Eviews软件工具检验问题的存在，并找到合适的解决办法消除问题，建立并修正模型。【实验原理】【实验环境】（使用的软件）Eviews实验内容：（以下内容放到表格中会有部分显示不出来，所以没有设置表格）【第一题】一制定适当的线性或对数线性模型，以估计美国对汽车的需求函数用对数线性估计美国汽车的需求函数为：lny=8.456+0.005x2-0.010x3+0.0006x4-0.012x5+1.29*10-5x6t= 9.982 0.727 -1.979 1.579 -0.735 1.018 R2=0.625 F=6.007 n=16二如果你决定用表中全部变量（X）作为解释变量，可能会出现什么问题，为什么？ 1)进行误设定和多重共线性的检验：误设定的RESET检验结果如下Ramsey RESET Test:F-statistic1.536995Prob. F(1,9)0.2464Log likelihood ratio2.522685Prob. Chi-Square(1)0.1122F=1.537 p值等于0.24640.05,故接受无误设定的原假设。多重共线性的检验结果如下1）根据理论分析，x2与x3和被解释变量y应该是负相关。而估计模型中，x2与y是正相关。x2与x3 的相关系数为0.997，高度相关。X2X3X4X5X6X21.0000.9970.9910.5260.972X30.9971.0000.9910.5430.965X40.9910.9911.0000.4610.973X50.5260.5430.4611.0000.536X60.9720.9650.9730.5361.0002）根据理论分析，利率对被解释变量的意义应该不大，且当删除x5之后，R2=0.640，拟合程度更高。3）进方差膨胀因子（VIF）检验：用解释变量x2对其它解释变量作辅助回归，得到结果：，该数值远大于10，同样可以表明模型存在严重的多重共线性。因此，存在多重共线性的问题。三如果出现了（2）中的问题，应该如何解决？写出解决之后的回归结果。1）解决多重共线性去掉x2与x5做回归分析，结果如下：lny=8.88-0.010x3+0.00087x4+1.29*10-5x6t= 13.8 -5.288 4.039 1.262R2=0.635 F=9.70 n=16 【第二题】一将食物支出对总支出回归，检查回归所得到的残差。1）回归估计模型得：foodexp=94.209+0.44totalexp t= (1.852) (5.577) R2=0.35 F=31.103 n=552）得残差图如下：由残差图可以看出残差的点都在以0为轴的直线上下随机分布，但是残差的绝对值较大，且有随着支出的增加而绝对值逐渐增大的趋势，说明回归直线的各个观测值的拟合情况不好，自变量和因变量之间的线性相关关系不是很显著。二将得到的残差对总支出描点，看是否存在系统关系。残差对总支出描点，结果如图：由描点图可以看出残差绝对值值随着支出值得增加而增加，说明总支出和食物支出可能是非线性关系。三若描点图显示存在异方差性，用帕克检验、格里瑟检验、GQ检验和怀特检验来看这些检验是否支持从图中观察所得到的异方差性印象。1）帕克检验帕克检验输出结果如下：ln2=-16.863+3.703lntotalexp+vit= -1.686 2.386R2=0.08 F=5.69 n=55totalexp前的系数为3.703，t=2.3861.96，p值=0.020.05，所以该系数在统计上是显著的不为零，存在异方差性。2）格里瑟检验检验结果如下：|e|=-32.22+0.13totalexp+vit= -1.09 2.88R2=0.19 F=8.28 n=55分析得：t=2.8781.96，p值=0.00580.05，所以解释变量对残差的绝对值的影响是显著的，因此存在异方差。 3）GQ检验F值计算结果将totalexp排列【子样本1】1-18的数据回归模型如下：foodexp=9.16+0.62totalexp t= (0.18) (6.14) R2=0.68 F=37.71 n=18其中，RSS1=16127.92【子样本2】38-55的数据回归模型如下：foodexp=535.57-0.14totalexp t= (0.95) (-0.19) R2=-0.05 F=0.04 n=18其中，RSS2=103821.1F= RSS2/ RSS1=6.34F(16,2)=3.63,所以拒绝原假设，存在（递增的）异方差性。软件操作结果:Heteroskedasticity Test: GlejserF-statistic8.282868Prob. F(1,53)0.0058Obs*R-squared7.433689Prob. Chi-Square(1)0.0064Scaled explained SS7.664399Prob. Chi-Square(1)0.0056P值为0.00640.05, 拒绝同方差性的原假设，模型存在异方差性.4) 怀特检验结果输出如下：Heteroskedasticity Test: WhiteF-statistic4.025939Prob. F(2,52)0.0237Obs*R-squared7.374513Prob. Chi-Square(2)0.0250Scaled explained SS7.650764Prob. Chi-Square(2)0.0218P值为0.02500.05，故接受同方差性的原假设，说明模型已消除异方差性。五改变（1）模型，采用对数模型的形式，考察异方差性是否还存在1)采用对数模型的形式进行回归，估计模型得:log(foodexp)=1.154+0.736log(totalexp)t= 1.484 6.100R2=0.4125 F=37.208 n=552)异方差检验：怀特检验法Heteroskedasticity Test: WhiteF-statistic1.003305Prob. F(2,52)0.3737Obs*R-squared2.043518Prob. Chi-Square(2)0.3600Scaled explained SS2.163367Prob. Chi-Square(2)0.3390检验统计量nR2=2.044，小于，且对应的p值为0.360.05，所以接受方差相等的原假设，表明模型中不存在异方差。对数形式的变换消除了异方差性。【第三题】一根据数据，估计模型，并解释所得结果。1）估计模型：lncprice=-1.500+0.468lnL+0.279lnL-0.005lnH+0.441lnAt= -1.496 2.817 2.436 -0.036 4.145R2=0.926 F=91.543 n=30 2）解释模型：0.468表示当其它变量不变的前提下，12个月的平均工业生产指数每上升1%，12个月的平均美国国内铜价上升0.468%；0.279表示当其它变量不变的前提下，12个月的平均伦敦金属交易所铜价每上升1%，12个月的平均美国国内铜价上升0.279%；-0.005表示当其它变量不变的前提下，每年新房动工数每增加1%，12个月的平均美国国内铜价下降0.005%；0.441表示当其它变量不变的前提下，12个月的平均铝价每上升1%，12个月的平均美国国内铜价上升0.441%。二求出上述回归的残差并作图，你对这些残差中是否有自回归做些什么猜测？1）作图结果：et的变化图对et与et-1作图：2）猜测：残差中存在一阶正序列相关。三估计杜宾瓦森统计量，并对数据中可能出现的自相关性质做出评论，由于n=30，k=5，dl=1.071,du=1.833，由于D.W.=0.955 dl,所以存在正自相关。四你怎样辨别AR(p)过程是否比AR(1)过程更好地描述自相关？使用科克伦奥克特迭代法找到较好的AR(p)过程，并写出结果1）布鲁齐-戈弗雷法检验三阶自相关，结果输出如下：Breusch-Godfrey Serial Correlation LM Test:F-statistic6.169355Prob. F(3,22)0.0033Obs*R-s