实验报告异方差模型的检验和处理

1、实验实训报告课程名称： 计量经济学实验开课学期： 2012-2013学年第一学期开课系(部)： 经 济 系开课实验(训)室：数量经济分析实验室学生姓名：专业班级：学 号：重庆工商大学融智学院教务处制实验题目实验(训)项目名称实 验(训)日 期【实验(训)目的及要求】校正法。【实验(训)原理】异方差，再对校正后的模型采用普通最小二乘法估计。【实验(训)方案设计】分析异方差。2、使用 White White 检验统计量及3、在发现存在异方差的基础上，进行异方差的处理：（1）使用加权最小二乘法校正异方差 ：输入回归方程； 在 Option中选择加权最小二乘法，并输入权重序列名称 ；得到校正后的结果。

2、 White 校正法解决异方差： 输入回归方程； 在 Option 中选择 White 校正；得到校正后的结果。 ）实验背景本例用的是四川省 2000 年各地市州的医疗机构数和人口数。为了给制定医疗机构的规划提供依据，分析比较医疗机构（Y，单位：个）与人口数量(X，单位：万人)的关系，建立卫生医疗机构数与人口数的回归模型。假定医疗机构数与人口数之间满足线性约束，则理论模型设定为其中，Y 表示卫生医疗机构数，X 表示人口数。ii ）1、根据实验数据的相关信息建立Workfile；在菜单中依次点击range”中选择数据频率。因为样本数据分析四川省2000年各地市州的医疗机构数和人口数间的关系，属于

3、截面数据，因此，在数据频率选项中选择range”的“Observations”中输入21。2、导入数据；在菜单栏中选择“QuickEmpty Group”,将X、Y的数据从Excel导入，并将这两个序列的名称分别改为“X” 。 或者在EViews命令窗口中直接输入“data X Y” ，在弹出的编辑框中将这两个序列的数据从Excel中复制过来。3、参数估计；1) 写出样本回归方程：2）对回归结果的拟合优度及回归系数经济意义进行解释：上述回归模型解释变量的估计系数5.73表示：人口数每增加1万人，平均说来将增加医疗机构数5.73个。R=0.785，表明医疗机构数变动的78.54%可由2差。4、异

4、方差的诊断：异方差主要来源于截面数据，通过判断随机误差项的方差与解释变量是否存在某种函数关系进行判断。由于随机误差项的方差一般未知，通常将残差项的平方作为随机误差项方差的近似估计，判断残差项的平方是否与解释变量存在某种函数关系。1)图形检验法：2X eii结果诊断：从图中可以看出，随着人口数量的增加， 呈递增趋势，表明e 2i随机误差项存在递增型异方差。2)White检验法（原假设：模型不存在异方差）2e a aX aX aX aX aX X 22i01 i2i3i4怀特检验的实质，就是检验上述辅助回归模型中的所有参数（常数项除外）i4i ii是否显着为零。当原假设成立时，辅助回归的检验统计量

5、)R ) 。给22定显着性水平 ，查表可得临界值。如果 ( ) ( )，则拒绝原模型不存WTg nR g22在异方差的原假设；否则接受原假设。）a. White 检验法的最终结果：b.结果诊断（0.05从上表可以看出， 18.0748，由White检验知，当 ，查2分布2 0.05表,得临界值，比较计算的2统计量与临界值，因为(2) 5.99152nR218.0748，所以拒绝原假设（也可根据p(2) 5.99152给定显着性水平 ，则在0.05的显着性水平下，White检验的伴随概率a 5%p=0.001 0.05，不能拒绝原模型不存在异方差的原假设，说明修正后的模型不存在异方差。d.修正后的模型可变为：e.回归系数的经济含义：上述回归模型解释变量的估计系数 4.442 表示：人口数每增加1 万人，平均说来将增加医疗机构数大约增加 4 个。)报告 White 异方差校正后的修正结果。采用 White 异方差校正只是修正普通最小二乘法所得模型回归系数的标准误（ 在 Equation Estimation 窗 口 输 入 y c x ； 在 Option 中 选 择“heteroskedasticity”,并选择默认的 White 选项）a.校正后的模