《Eview教程异方差》PPT课件

Eviews软件的应用二,异方差性的检验和处理,异方差性的概念,经典线性回归模型假设回归扰动项是同方差的。如果回归扰动项不满足这个条件，即回归扰动项的方差随着自变量的不同而不同，就存在异方差。,不存在异方差的序列（线性图）,异方差逐渐增大的序列（线性图）,异方差逐渐减小的序列（线性图）,还有异方差的变化有其他规律或者没有规律的情形。,存在异方差对方程估计的影响,参数估计量满足无偏和一致性，不再满足有效性。参数方差估计量有偏。回忆：推导参数估计量和方差估计量过程。推导过程：简要过程参阅Pindyck&Rubinfield的计量经济模型与经济预测；详细过程参见W.Greene的计量经济分析。,异方差性的检验,总体思路是检验随机误差项与解释变量观测值之间的相关性。（因为异方差性就是指在不同的样本点，随机误差项有不同的方差。）有多种检验方法。通常采用的原假设是“不存在异方差”，备择假设是“存在异方差”。,Park检验,Park认为随机扰动项的形式为两边取对数，令,Glejser检验,Goldfeld-Guandt检验（P&R,p95）,考虑一元回归模型将数据按自变量大小排列。省略中间的d项观测值。拟合两个回归模型。每个回归模型都有(N-d)/2个数据。,Goldfeld-Guandt检验(续),计算每个回归模型的残差平方和：ESS1（对应较小的x）和ESS2（对应较大的x）.假设误差服从正态分布，且不存在序列相关，则,Breusch-Pagan检验(P&R,p96),用方程做OLS回归，计算残差，并用这些残差估计,Breusch-Pagan检验（续）,然后用方程做回归。如果服从正态分布，那么在原假设下有更一般，如果有p个变量，则服从自由度为p的分布。,White检验（P&R,p96）,用残差平方作为自变量，用原来的自变量和自变量的平方项作为新自变量。比如两个变量情形为检验统计量为k为除常数项外自变量的个数。,异方差性的处理（一）,异方差形式已知：（课本，p5860）如果在检验过程中通过某种方式已知则使用作为权重，使用加权最小二乘法。,异方差性的处理（二）,异方差形式未知的情形。HC协方差（White）HAC协方差（Newey-West）它只改变估计标准差，不改变参数的点估计。原理省略（可以参考P&R），Eviews提供。,处理异方差的实例,采用2001年我国各省，市，自治区的国内生产总值gdp和最终消费com来估计我国的消费函数，这是一个典型的截面数据，从数据中可以看出模型有很大的异方差性。,数据,数据说明：,数据单位为亿元，数据来源于中国经济信息网2只能从校园网访问。,模型,根据凯恩斯理论中的消费函数形式，建立下列回归方程：,用Eviews进行OLS估计,用Eviews进行White检验,F统计值,White检验统计量,伴随概率,White检验的缺点,White检验不具建设性。即它无法估计残差方查的形式。它一般只用于检验是否存在异方差。,Park检验,本例中Park检验回归方程的形式为,步骤,保存刚才OLS回归的残差。用Park检验的方程进行估计。,用该命令保存残差序列。相当于用菜单操作,回归结果,EstimationCommand:LSLOG(RESID_EQ_OLS2)LOG(GDP)CSubstitutedCoefficients:LOG(RESID_EQ_OLS2)=0.5218281156*LOG(GDP)+5.844487688,处理异方差一（WLS）,计算的估计值。用的估计值的平方近似的方差。利用Eviews的forecast功能计算。用作为权重进行WLS。,forecast按钮,选择要预测变量,自动命名,预测区间,得到新序列,3.填入权重,2.在前一窗口点击option,1.建立一个新方程eq_wls,4.点击OK。,结